Download the full version and explore a variety of ebooks

or text books at https://ebookball.com

Robust Computation of Mutual Information Using

Spatially Adaptive Meshes 1st Edition by Hari
Sundar, Dinggang Shen, George Biros, Chenyang Xu,
Christos Davatzikos ISBN 9783540757573

_____ Follow the link below to get your download now _____

https://ebookball.com/product/robust-computation-of-mutual-
information-using-spatially-adaptive-meshes-1st-edition-by-
hari-sundar-dinggang-shen-george-biros-chenyang-xu-christos-
davatzikos-isbn-9783540757573-9534/

Access ebookball.com now to download high-quality

ebooks or textbooks
Here are some recommended products for you. Click the link to
download, or explore more at ebookball.com

Modeling Glioma Growth and Mass Effect in 3D MR Images of

the Brain 1st Edition by Cosmina Hogea, Christos
Davatzikos, George Biros ISBN 9783540757573
https://ebookball.com/product/modeling-glioma-growth-and-mass-effect-
in-3d-mr-images-of-the-brain-1st-edition-by-cosmina-hogea-christos-
davatzikos-george-biros-isbn-9783540757573-11650/

Registration of Cardiac SPECT CT Data Through Weighted

Intensity Co occurrence Priors 1st Edition by Christoph
Guetter, Matthias Wacker, Chenyang Xu, Joachim Hornegger
ISBN 9783540757573
https://ebookball.com/product/registration-of-cardiac-spect-ct-data-
through-weighted-intensity-co-occurrence-priors-1st-edition-by-
christoph-guetter-matthias-wacker-chenyang-xu-joachim-hornegger-
isbn-9783540757573-11882/

Image Similarity Using Mutual Information of Regions 1st

edition by Daniel Russakoff, Carlo Tomasi, Torsten
Rohlfing, Calvin Maurer ISBN 3540219828 9783540219828
https://ebookball.com/product/image-similarity-using-mutual-
information-of-regions-1st-edition-by-daniel-russakoff-carlo-tomasi-
torsten-rohlfing-calvin-maurer-isbn-3540219828-9783540219828-11452/

Elements of the Theory of Computation 2nd Edition by Harry

Lewis, Christos Papadimitriou 0132624788, 9780132624787

https://ebookball.com/product/elements-of-the-theory-of-
computation-2nd-edition-by-harry-lewis-christos-
papadimitriou-0132624788-9780132624787-10788/
Modeling of Needle Tissue Interaction Using Ultrasound
Based Motion Estimation 1st Edition by Ehsan Dehghan, Xu
Wen, Reza Zahiri Azar, Maud Marchal, Septimiu E Salcudean
ISBN 9783540757573
https://ebookball.com/product/modeling-of-needle-tissue-interaction-
using-ultrasound-based-motion-estimation-1st-edition-by-ehsan-dehghan-
xu-wen-reza-zahiri-azar-maud-marchal-septimiu-e-salcudean-
isbn-9783540757573-10816/

Innovative Information Systems Modelling Techniques 1st

Edition by Christos Kalloniatis ISBN 9535106449
9789535106449
https://ebookball.com/product/innovative-information-systems-
modelling-techniques-1st-edition-by-christos-kalloniatis-
isbn-9535106449-9789535106449-9030/

Design of Embedded Robust Control Systems Using MATLAB

Simulink 1st edition by Petko Petkov, Tsonyo Slavov,
Jordan Kralev 1785613308 9781785613302
https://ebookball.com/product/design-of-embedded-robust-control-
systems-using-matlab-simulink-1st-edition-by-petko-petkov-tsonyo-
slavov-jordan-kralev-1785613308-9781785613302-18398/

Robust Autonomous Model Learning from 2D and 3D Data Sets

1st Edition by Georg Langs, Rene Donner, Philipp
Peloschek, Horst Bischof ISBN 9783540757573
https://ebookball.com/product/robust-autonomous-model-learning-
from-2d-and-3d-data-sets-1st-edition-by-georg-langs-rene-donner-
philipp-peloschek-horst-bischof-isbn-9783540757573-10028/

Design of Embedded Robust Control Systems Using MATLAB

Simulink 1st Edition by Petko Petkov, Tsonyo Slavov,
Jordan Kralev 1785613308 978-1785613302
https://ebookball.com/product/design-of-embedded-robust-control-
systems-using-matlab-simulink-1st-edition-by-petko-petkov-tsonyo-
slavov-jordan-kralev-1785613308-978-1785613302-25350/
 Robust Computation of Mutual Information Using
Spatially Adaptive Meshes

Hari Sundar1,2 , Dinggang Shen1 , George Biros1 , Chenyang Xu2 ,

and Christos Davatzikos1
1
Section for Biomedical Image Analysis, Department of Radiology, University of Pennsylvania
2
Imaging and Visualization Department, Siemens Corporate Research, Princeton, NJ

Abstract. We present a new method for the fast and robust computation of in-
formation theoretic similarity measures for alignment of multi-modality medical
images. The proposed method defines a non-uniform, adaptive sampling scheme
for estimating the entropies of the images, which is less vulnerable to local max-
ima as compared to uniform and random sampling. The sampling is defined using
an octree partition of the template image, and is preferable over other proposed
methods of non-uniform sampling since it respects the underlying data distribu-
tion. It also extends naturally to a multi-resolution registration approach, which
is commonly employed in the alignment of medical images. The effectiveness of
the proposed method is demonstrated using both simulated MR images obtained
from the BrainWeb database and clinical CT and SPECT images.

1 Introduction
Inter-modality image alignment is a fundamental step in medical image analysis. It is
required to bring image data from different modalities to a common coordinate frame
in order to accumulate information. It is usually presented as an optimization prob-
lem requiring the minimization of a certain objective function. Objective functions, or
similarity measures based on information theoretic principles have been successful in
aligning images from differing modalities. Mutual Information (MI) was proposed as
an image similarity measure by Collignon [1], Viola [2] and Wells [3] and is widely
used for rigid inter-modality registration. Several modifications have been proposed to
make MI more robust and increase its capture range, including Normalized Mutual In-
formation [4]. However, MI-based methods are very sensitive to the way the probability
distributions are estimated and the accuracy of the estimated probability distributions
have a great influence in the accuracy and robustness of the registration results [5].
A common assumption made in estimating the probability distribution is that each
voxel is an i.i.d. realization of a random variable. Therefore, the probability distributions
(including the joint distribution) can be computed by using all voxels in the reference
image and the corresponding voxels in the transformed subject image. In general this
can be quite expensive to compute and several multi-resolution and sampling techniques
have been proposed for faster estimation of the probability distribution. Downsampling,
both uniform and random, have been used quite commonly to speed up the estimation
of the distributions [5]. Nonlinear sampling techniques where the local sampling rate is
proportional to the gradient magnitude have also been proposed [6].

N. Ayache, S. Ourselin, A. Maeder (Eds.): MICCAI 2007, Part I, LNCS 4791, pp. 950–958, 2007.
© Springer-Verlag Berlin Heidelberg 2007
 Robust Computation of Mutual Information Using Spatially Adaptive Meshes 951

In general, although these methods have performed quite well for registering differ-
ent structural modalities (like CT and MR), they have been less successful in being able
to register structural modalities to functional modalities,which is important for diagno-
sis and treatment planning applications. Functional modalities do not image all tissues
and are therefore more sensitive to errors in the estimation of probability distributions.
We shall use the example of registering Single Photon Emission Computed Tomogra-
phy (SPECT) with CT images of the same patient to demonstrate this problem.
In this paper we present a new method for rigid alignment of multi-modality images
using an octree based partitioning of the reference image. Octrees allow us to parti-
tion the image into spatially adaptive regions (octants) such that homogeneous regions
produce large octants. The octree allows us to define a non-linear sampling of the im-
age that is proportional to the underlying image complexity. The samples thus obtained
are closer to the usual i.i.d. assumption in that they tend to be less statistically inter-
dependent, which in turn help us obtain more accurate estimates of entropy. The MI is
the sum of the entropy of the subject image and the entropy of subject conditional on
the target. Consequently, improved entropy estimates provide better estimates of MI.
The rest of the paper is organized as follows. In Section 2 we present a brief introduc-
tion to estimating entropy in images, and lay the foundation for our arguments in favor
of the octree-based estimation of distributions, which is described in Section 3. Section
4 discusses the incorporation of the octree-based mutual information metric into a reg-
istration framework for inter-modality alignment of images, within a multi-resolution
framework. Experimental results and comparisons with other methods are provided in
Section 5.

2 Estimating the Entropy of Images

Shannon’s entropy [7] for a discrete random variable X with a probability distribution
p(X) = (p1 , · · · , pn ), is defined as,

Δ

n
H(X) = − pi log pi . (1)
i=0

The definition can be extended to images by assuming the image intensities to be

samples from a high dimensional signal. A common assumption made while defining
entropy for images is that each voxel is an i.i.d. realization and that the underlying prob-
ability of pixel intensities can be estimated via the normalized histogram. The probabil-
ity of a pixel having an intensity yi , p(yi ) = histY (yi )/d, where histY (yi ) is the number
of voxels in image Y with intensity yi and d is the total number of voxels. Equation 1
can be then used to estimate the entropy of the image. This however does not capture the
spatial complexity of the underlying image. For example, if we shuffle the pixels within
the image, we will lose structure and be left with an image which is spatially random.
However since the histogram is unchanged, the entropy is the same. This is demon-
strated in Figure 1, where Figure 1(a) is highly structured and the red and blue blocks
are placed at regular intervals. It can be seen that although the image in Figure 1(b)
is produced from that in Figure 1(a) by adding random noise to the position of the
952 H. Sundar et al.

H = 0.46 H = 0.46 H = 0.64 H = 0.87

(a) (b) (c) (d)

Fig. 1. The difficulty in estimating the entropy of images. (a) An image with the corresponding
histogram and entropy estimate, (b) An image with objects moved within the image to make it
appear more random than (a). The standard estimate for the entropy does not change, since the
histogram is still the same. (c) Octree-based entropy estimation for the image shown in (a), and
(d) octree-based entropy estimation for the image shown in (b). Note that in this case the increase
in entropy was captured by the octree.

objects in the scene, the entropy is unaffected. This happens because of our assumption
that each voxel intensity is an independent sample. This is not true since voxel inten-
sities depend on the underlying objects, and samples from the same object cannot be
assumed to be independent. Also observe that the gradient based approaches will not be
able to capture this difference either, because it is not affected by the spatial variation
between the two configurations shown in Figures 1(a) and (b).
It is widely accepted that images can be successfully modeled as Markov random
fields [8,9]. Now, assuming that instead of an i.i.d. assumption, the samples form a
Markov random field, then the error in the estimation of the entropy is lowered if the
samples are largely independent of each other. Sabuncu et al. [6] suggest two non-
linear sampling strategies based on the magnitude of the image gradient, in order to
make the samples more independent. These suggested sampling methods, however, are
for 2D images, expensive to compute and not easily extensible for 3D images. Algo-
rithms have been proposed to make mutual information more robust by incorporating
geometric information using gradients [10] and image salience [11]. However, the gra-
dient captures only the local image complexity and it is not straightforward to extend
this within a scale independent framework. This suggests using an adaptive sampling
strategy, and adaptive image representations have been commonly used in non-linear
image registration for representing the transformation [12] and for estimating local im-
age similarities. However, to the best of our knowledge, it has not been used to estimate
the global similarity of images.

3 Octrees Based Estimation of MI

If we can define a partitioning on the image that is spatially adaptive, and creates largely
independent regions, we will be able to use the partition to define a better sampling
strategy. Binary space partitions (BSP) [13] allow us to generate such spatially adaptive
 Robust Computation of Mutual Information Using Spatially Adaptive Meshes 953

(a) (b) (c)

Fig. 2. (a) An example of a quadtree generated from a 2D slice of a MR brain image demonstrat-
ing how the quadtree adapts to the underlying data, (b) an example of a quadtree generated from
a 2D slice of a thoracic CT image, and (c) the quadtree generated from a cardiac short axis MR
image

partitions of data by recursively subdividing a space into convex sets by hyperplanes.

BSP trees can be used in spaces with any number of dimensions, but quadtrees [14] and
octrees [15] are most useful in partitioning 2D and 3D domains, respectively. Quadtrees
and octrees use axis aligned lines and planes, respectively, instead of arbitrary hyper-
planes and are efficient for the specific domains they are intended to work on.
The octree structure introduces non-stationarity in space [16]. This is important since
the resulting octree is not shift-invariant and can create block artifacts. Such artifacts
have been reported before [17,18]. Approaches like generating octrees with overlapping
leaves [19] could possibly be applied for estimating shift-invariant octrees. Making the
samples shift-invariant is left for future work.
We use a standard top-down approach to construct the octree for a given image.
Starting with the entire domain, we test each block to see if it meets some criterion of
homogeneity. If a block meets the criterion, it is not divided any further. If it does not
meet the criterion, it is subdivided and the test criterion is applied to those blocks. This
process is repeated iteratively until each block meets the criterion. In the experiments
reported in this paper, we used a simple intensity based test criterion of homogeneity,
wherein a block is split if all the voxels within it are not within a specified threshold,
which was based on the number of bins of the histogram used to estimate the probability
distribution. An example of a quadtree constructed from a 2D slice of a MR image of
the human brain, a 2D slice of a Cardiac CT image, and a cardiac short axis MR image
are shown in Figure 2.
In our sampling method, the same number of samples are used per octant. In other
words the density of octants specifies the sampling frequency. The octree-based entropy
can be computed by using the following estimate of the probability distribution in (1),

(T (x) ∈ bin(i))
pi = x  , ∀x ∈ Oct(T ), (2)
x1

where bin(·) defines the histogram binning operator and Oct(T ) is the octree computed
for the template image T . In order to understand why an octree-based sampling appears
to be better than uniform or gradient based sampling, consider the example discussed
954 H. Sundar et al.

earlier, shown in Figure 1. We showed earlier that traditional sampling methods (both
uniform and gradient based) estimate the same entropy for the images shown in Figures
1(a) and (b). However, the octree-based sampling is able to capture this difference, as
seen in Figures 1(c) and (d). This is because the spatial complexity of the octree in-
creases as a result of the change in the randomness of the scene. The octree captures
the spatial complexity of the scene and consequently the entropy of a complex scene is
higher as it has a denser octree. It is important to point out that the octree is not necessar-
ily the best estimate of spatial complexity, since it is partial towards objects that are axis
aligned and will not be able to capture such variations. A better estimate of the scene
complexity would be a connectivity graph of segmented objects. This however would
increase the complexity of both computing such a graph and also in using it during
the registration. It would be difficult and computationally expensive to define transfor-
mations and interpolation functions on a connectivity graph of segmented tissues. The
octree is a compromise that provides a sufficiently accurate and robust estimate of the
entropy (see Section 5) and is also easy to compute and manipulate. Interpolation and
transformations (linear and non-linear) can be easily defined on the octree. Importantly,
octree-representations are amenable to parallel computing, which can dramatically ex-
pedite the performance of algorithms that use it. In all the experiments reported in this
paper, the octree was computed only for the template image and each octant was sam-
pled at the center of each octant in the template image. Although, it would be better to
average over the entire octant instead of sampling at the center, we opted for the latter
to improve the computational efficiency of the method.

4 Rigid Inter-modality Registration Using Adaptive MI

Ê
Given a template image, T : Ω → n and a subject image S : Ω → n , where Ê
Ê
Ω ∈ d , the goal is to determine a rigid transformation χ that aligns the two images.
The similarity measure is the metric that quantifies the degree of alignment and allows
us to present the alignment problem as an optimization problem. We use the octree-
based similarity measures as described in Section 3. We formulate the determination of
the optimal transformation, χ̂, as an optimization problem:

χ̂ = arg max I(T (x), S(χ(x))), ∀x ∈ Oct(T ), (3)

χ

where, I(.; .) is the Mutual Information. Powell’s multidimensional set method [20] is
used to iteratively search for the maxima along each parameter using Brent’s method
[20]. In order to increase the robustness and to improve speed, we use a multi-resolution
framework defined on the octree. The octree at lower (coarser) resolutions are generated
by skipping all octants at the finer levels.

5 Results

In this section we describe experiments that were carried out to test the effectiveness
of octree-based MI in the rigid registration of inter-modality images. We first describe
 Robust Computation of Mutual Information Using Spatially Adaptive Meshes 955

Fig. 3. Comparison of the mutual information computed via uniform sampling (dotted lines) and
using the proposed octree-based sampling (solid lines), on BrainWeb datasets. The plots shown
are for a comparison between a T1-weighted (T1) image and a proton density (PD) image with
9% noise and 40% intensity non-uniformity.

the similarity profiles when an artificial transformation is introduced between two reg-
istered images. We compared the octree-based method with uniform sampling based
estimation of mutual information. The first experiment was performed using simulated
MR datasets obtained from the BrainWeb database [21]. The second experiment was
performed with 13 CT datasets with corresponding SPECT images. These images were
all acquired using a Siemens Symbia™ T, a TruePoint SPECT-CT system and are as-
sumed self registered. We analyzed the mutual information profiles while varying the
transformation. The transformation parameters were varied one at a time, and the sim-
ilarity profiles were plotted. The plots for translation along the x-axis, and for rotation
about the x and y axes are shown in Figures 3 and 4, for T1-PD MR images and CT-
SPECT images, respectively1. The profiles for translation and rotation along the other
axes were similar. In all cases we compare the octree-based sampling with uniform sam-
pling, where the total number of samples are similar. The octree reduced the number of
samples by a factor of 8 on an average, therefore we subsampled by a factor of 2, along
each direction, for the uniform sampling strategy, to have the same number of samples
in both cases. As can be seen from Figure 3, both methods perform equally well on the
BrainWeb datasets. Both sampling techniques have smooth curves with sharp peaks and
very good capture ranges. However, when we look at the results from the CT-SPECT
comparison, shown in Figure 4, we observe that the octree-based sampling performs
much better. Although, both approaches have good profiles subject to translation, for
the profiles subject to rotation, the uniform sampling approach exhibits a weak max-
ima at the optimal value with a very small capture range. In contrast the octree-based
approach exhibits a strong maximum at the optimal value and also has a much larger
capture range. The fact that the neighboring maxima in the vicinity of the optimum are
lower further implies that it is likely that a multi-resolution approach can potentially be
used to increase the capture range. The uniform sampling approach will in most cases
converge to the wrong result since the neighboring maxima are much larger in that case.

1
The profiles generated from using all the voxels in the image were almost identical to those
obtained by uniform subsampling, and are not presented here for clarity.
956 H. Sundar et al.

Fig. 4. Comparison of the mutual information computed via uniform sampling (dotted lines)
and using the proposed octree-based sampling (solid lines), with CT-SPECT datasets. The plots
shown are for a comparison between a CT cardiac image (512 × 512 × 25) and a SPECT image
(128 × 128 × 128).

Table 1. Means and standard deviations of the registration errors for the different test cases

Uniform sampling Octree-based

Dataset Success Trans. error (mm) Rot. error (deg) Success Trans. error (mm) Rot. error (deg)
T1 - T2 82.4% 0.48 ± 0.63 0.17 ± 0.24 86.1% 0.53 ± 0.59 0.21 ± 0.19
T1 - PD 79.7% 0.57 ± 0.66 0.2 ± 0.33 81.3% 0.59 ± 0.62 0.22 ± 0.23
CT - SPECT 31.1% 0.73 ± 0.69 0.23 ± 0.28 68.5% 0.64 ± 0.57 0.21 ± 0.31

Registration was performed on a number of datasets to quantitatively assess the per-

formance of the octree-based mutual information within the registration framework. We
selected a T1-weighted image with no noise and uniform intensity as the template im-
age. T2-weighted and Proton Density (PD) images with varying levels of noise (0−9%)
and intensity non-uniformity (0 − 40%) were registered to the template image, with a
pseudo-random initial transform applied. The random transform was selected such that
the initial translation was at most half the size of the image (to ensure overlap) and the
rotational components were less than 60◦ . The same set of pseudo-random transfor-
mations were used for both methods. The registration was considered successful if the
final error was less than 2mm for the translational parameters and less than 2◦ for the
rotational parameters. Similar experiments were performed for the CT-SPECT dataset
and are summarized in Table 1. The error in the estimation of the translation and rota-
tion parameters is calculated using only the cases in which a successful registration was
performed. We can see from Table 1, that the octree-based sampling performs slightly
better than uniform sampling in case of T1-T2 and T1-PD registration. We would like to
emphasize that the success rate for the CT-SPECT registration is much better using the
octree-based sampling as compared to uniform sampling, owing mainly to the broader
capture range of the octree-based method. The average time to perform the registration
was 13 seconds using the octree-based approach, 14 seconds for uniformly sampled
approach and 85 seconds when using all voxels. All experiments were performed on an
Intel Xeon 2.8GHz with 2GB of RAM. The time for the octree-based method includes
the time to compute the octree.
 Robust Computation of Mutual Information Using Spatially Adaptive Meshes 957

6 Conclusion
We have presented a spatially adaptive sampling method for the estimation of image
entropies and mutual information. We also demonstrate the improvements in the rigid
registration of CT and SPECT images using the new sampling method. The proposed
sampling offers flexibility between robustness and speed. When used at full resolution,
octree-based sampling provides better estimates of image entropy and mutual infor-
mation between images. In addition, it is better to use octree-based sampling in order
to speed up the estimation of the similarity measure as opposed to using uniform sam-
pling approaches. When compared with uniform sampling approaches, the octree-based
sampling was more accurate for comparable computational speeds, and appears to be a
better method for speeding up the estimation of MI.

Acknowledgments
The authors would like to thank Dr. Parmeshwar Khurd for useful discussions. This
research was partially funded by a research grant from Siemens Corporate Research,
Princeton, NJ.

References
1. Collignon, A., et al.: Automated multimodality medical image registration using information
theory. Proc. Information Processing in Medical Imaging 3, 263–274 (1995)
2. Viola, P.: Alignment by Maximization of Mutual Information. PhD thesis, Massachusetts
Institute of Technology (MIT), Cambridge, Massachusetts (1995)
3. Wells, W., Viola, P., Atsumi, H., Nakajima, S., Kikinis, R.: Multi-modal volume registration
by maximization of mutual information. Medical Image Analysis 1(1), 35–51 (1996)
4. Studholme, C., Hill, D., Hawkes, D.: An overlap invariant entropy measure of 3D medical
image alignment. Pattern Recognition 32(1), 71–86 (1999)
5. Pluim, J., Maintz, J., Viergever, M.: Mutual-information-based registration of medical im-
ages: a survey. IEEE Trans. on Medical Imaging 22(8), 986–1004 (2003)
6. Sabuncu, M.R., Ramadge, P.J.: Gradient based nonuniform sampling for information theo-
retic alignment methods. In: Proc. Int. Conf. of the IEEE EMBS, San Francisco, CA, IEEE
Computer Society Press, Los Alamitos (2004)
7. Shannon, C.E.: A mathematical theory of communication. The Bell System Technical Jour-
nal 27 (1948)
8. Li, S.Z.: Markov random field modeling in computer vision. Springer, Heidelberg (1995)
9. Prez, P.: Markov random fields and images. CWI Quarterly 11(4), 413–437 (1998)
10. Pluim, J.P.W., Maintz, J.B.A., Viergever, M.A.: Image registration by maximization of com-
bined mutual information and gradient information. IEEE Trans. on Medical Imaging 19(8),
809–814 (2000)
11. Luan, H., Qi, F., Shen, D.: Multi-modal image registration by quantitative-qualitative mea-
sure of mutual information Q-MI. In: Proc. CVBIA, pp. 378–387 (2005)
12. Timoner, S.: Compact Representations for Fast Nonrigid Registration of Medical Images.
PhD thesis, Massachusetts Institute of Technology (MIT), Cambridge, Massachusetts (2003)
13. Fuchs, H., Kedem, Z.M., Naylor, B.F.: On visible surface generation by a priori tree struc-
tures. In: Proc. SIGGRAPH, pp. 124–133 (1980)
958 H. Sundar et al.

14. Finkel, R.A., Bentley, J.L.: Quad trees: A data structure for retrieval on composite keys. Acta.
Inf. 4, 1–9 (1974)
15. Meagher, D.: Geometric modeling using octree encoding. Computer Graphics and Image
Processing 19, 129–147 (1982)
16. Laferté, J., Perez, P., Heitz, F.: Discrete Markov image modeling and inference on the
quadtree. IEEE Trans. on Image Processing 9(3), 390–404 (2000)
17. Bouman, C.A., Shapiro, M.: A multiscale random field model for Bayesian image segmen-
tation. IEEE Trans. on Image Processing 3(2), 162–177 (1994)
18. Luettgen, M.R., Karl, W.C., Willsky, A.S.: Efficient multiscale regularization with applica-
tions to the computation of optical flow. IEEE Trans. on Image Processing 3(1), 41–64 (1994)
19. Irving, W.W., et al.: An overlapping tree approach to multiscale stochastic modeling and
estimation. IEEE Trans. on Image Processing 6(11), 1517–1529 (1997)
20. Press, W.H., Teukolsky, S.A., Vetterling, W.T., Flannery, B.P.: Numerical Recipes in C: The
Art of Scientific Computing. Cambridge University Press, New York (1992)
21. Collins, D.L., et al.: Design and construction of a realistic digital brain phantom. IEEE Trans.
on Medical Imaging 17(3), 463–468 (1998)
Other documents randomly have
different content
The Project Gutenberg eBook of Il fantasma di
Canterville e il delitto di Lord Savile
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Il fantasma di Canterville e il delitto di Lord Savile

Author: Oscar Wilde

Illustrator: G. Mazzoni

Translator: Giuseppe Vannicola

Release date: October 28, 2019 [eBook #60586]

Most recently updated: October 17, 2024

Language: Italian

Credits: Produced by Barbara Magni and the Online Distributed

Proofreading Team at http://www.pgdp.net (This file was
produced from images made available by the HathiTrust
Digital Library)

*** START OF THE PROJECT GUTENBERG EBOOK IL FANTASMA DI

CANTERVILLE E IL DELITTO DI LORD SAVILE ***
IL FANTASMA DI CANTERVILLE
E IL DELITTO DI LORD SAVILE
 OSCAR WILDE

Il fantasma di Canterville
e il delitto di Lord Savile
Prima versione italiana di G. Vannicola.
con disegni di G. Mazzoni.

Seconda Edizione.

A. F. FORMIGGINI EDITORE IN ROMA

 LA PROPRIETÀ LETTERARIA E ARTISTICA
degli ornamenti, delle versioni originali e delle note
critiche pubblicate in questa collezione
SPETTA ESCLUSIVAMENTE ALL'EDITORE
il quale, adempiuti i suoi obblighi verso la Legge e
verso gli Autori eserciterà i suoi diritti contro chiunque
e dovunque.
Copyright 1920: by A. F. Formiggini, Rome.
INDICE
 INTRODUZIONE

Non rifarò la biografia d'Oscar Wilde, ormai cosa pubblica, ahimè,

troppo pubblica. Più che per la grandezza e la decadenza della sua
vita, più che per la stessa sua opera, Wilde interessa sopratutto per
il particolare significato che possiamo trarre dalla sua personalità
d'eccezione.
«Io non rimpiango — scrive egli nel De profundis, che è il migliore
commento alla tragedia della sua vita — io non rimpiango un solo
istante di aver vissuto per il piacere. Io feci questo appieno, come si
dovrebbe fare ogni cosa che si fa. Non ci fu piacere che io non
sperimentassi; io gettai la perla della mia anima in una coppa di
vino; io scesi pel sentiero fiorito di margherite al suono dei flauti; io
vissi di favi di miele. Ma continuare la stessa vita sarebbe stato un
errore, perchè sarebbe stata una limitazione. Io dovevo andare
innanzi: l'altra metà del giardino aveva anche i suoi segreti per me».
E aggiunge, nel suo orgoglio di scrittore che vive, pur nel carcere da
cui scriveva, la sua vita letteraria con profonda coscienza:
«Naturalmente, tutto ciò è adombrato e prefigurato nei miei libri.».
Nè avrebbe potuto essere altrimenti. In ogni singolo istante della
propria vita, si è quello che si sarà non meno di quello che si è stati.
L'arte è un simbolo, perchè l'uomo è un simbolo.
«Io non rimpiango un solo istante di aver vissuto per il piacere!»
Non i piaceri, il Piacere. Il Piacere, per quanto raro, è un fatto: i
piaceri, quantunque abbondanti e comuni, sono una ricerca e quasi
sempre vana.
Quando si riesce ad opporre al gigante Tædium l'esercito dei nani
piaceri, il gigante soffoca i nani con qualche gesto, e riprende la sua
posa stanca.
I moralisti non concepiscono la parola «Piacere» se non come un
richiamo agli appetiti più umili. Esaltano le idee di dovere, di
solidarietà, di sacrificio, mai l'idea di godere, di fare della vita una
luce, un infinito, un piacere. Secondo le loro abitudini spirituali,
un'idea simile è un'idea che offende e degrada. Una filosofia del
piacere! Ma significa mancare d'ideale.
Rispondiamo senza timore: il piacere può benissimo essere un ideale
e molto favorevole allo sviluppo e alla grandezza dell'umanità.
Dal Cristianesimo in quà gli uomini non si sono occupati del piacere
se non per condannarlo, e gli stessi poeti, così eloquenti sul dolore,
hanno trattato il piacere con un certo disdegno. In questi ultimi anni,
veramente, è avvenuta una reazione in favore della vita, e la gioia è
stata cantata con fervore religioso, troppo religioso forse, ma non
con tale famigliarità da far dimenticare la malinconia baudelairiana:

Sois sage ô ma douleur et tiens toi plus tranquille.

Il dolore ha sempre ispirato poeti, moralisti, filosofi, e fatto dire,

ahimè, molte sciocchezze. La filosofia del piacere è ancora da farsi.
Ma il numero degli uomini che comprendono che il piacere è il
migliore impiego della vita, è molto aumentato. L'assurda metafisica
tedesca, la secca nozione del dovere astratto secondo Kant, ha fatto
il suo tempo. Si comincia a comprendere che il primo dovere
dell'uomo è di godere. Se no, perchè vivere? «Il mio dovere, diceva
Wilde, è di terribilmente godere».
E godette terribilmente, con passione, con violenza, quasi con
delirio. Ogni istante di vita era per lui un'offerta degli Dei. Non si può
immaginare nulla di più pagano, di più anticristiano. Riempì di lirismo
la sua vita fino all'orlo, come si riempie fino all'orlo una coppa di
vino.
Aveva il genio, un nome illustre, un'alta posizione sociale. Pareva
vivere con lo spirito di Apollo in una intimità profonda e irradiata.
Aveva fatto dell'arte una filosofia, e della filosofia un'arte. I suoi
scritti insegnavano un modo di pensare che stupiva, seduceva,
incantava, dando alle cose altri colori ed altri profumi,
avviluppandole di una veste di bellezza, mettendo una rosa ad ogni
chiave della viola e ad ogni corda un colore dell'iride.
Dava alla verità ora il vero e ora il mendace come imperi legittimi,
mostrando che il vero e il mendace sono semplici modi d'esistenza
intellettuale. Faceva della poesia una realtà suprema, della sua vita
una realizzazione poetica verso cui convergevano, come per
incantesimo, tutti i raggi della gloria mondana... Era deliziosamente
chino verso il sorriso. Salice e acqua insieme, un'acqua che diceva:
«Ascoltatemi, ascoltatemi!» e poi se n'andava, con un piccolo
fremito, a fare dei glu glu di narghilè in una qualche ironica
Mongolia.
Favoleggiava:
«C'era una volta un uomo che la gente del villaggio amava, perchè
contava storie. Tutte le mattine egli usciva dal villaggio, e quando vi
rientrava alla sera, tutti i lavoratori del villaggio, dopo aver
travagliato tutto il giorno, gli si adunavano intorno e dicevano: «Via!
racconta: Che hai tu veduto oggi?». Egli raccontava: Ho veduto nella
foresta un fauno che suonava il flauto, e faceva ballare una corona di
piccoli silvani. — Racconta ancora. Che hai tu veduto? dicevano gli
uomini. — Quando sono arrivato sulla spiaggia del mare ho veduto
tre sirene a fior delle onde, che pettinavano con un pettine d'oro i
loro verdi capelli. — E gli uomini lo amavano perchè contava storie.
Una mattina egli abbandonò come tutte le mattine il suo villaggio.
Ma quando arrivò alla spiaggia del mare, ecco che egli scorge tre
sirene a fior delle onde, che pettinavano con un pettine d'oro i loro
capelli verdi. E continuando la sua passeggiata, egli vide, giunto
presso il bosco, un fauno che suonava il flauto a una corona di
silvani...
Quella sera, quando egli rientrò nel suo villaggio e gli domandarono
come le altre sere: Via! racconta: che hai tu veduto? egli rispose:
Non ho veduto nulla».
Nell'atteggiamento di Oscar Wilde non si suole vedere generalmente
che un esasperato bisogno di stupire, d'irritare la curiosità del
pubblico. Egli stesso, conveniamone, invitava ad un giudizio così
superficiale, grazie alle spumeggianti qualità del suo spirito
aristocratico, tutto trine e gioielleria. Ma dietro il brillante fantasma
del dandy, dietro il gentleman prezioso, estremo, superlativo, ecco
apparire il vero personaggio di Wilde, il fascinante favoleggiatore, il
prestigioso datore di estasi, il Bugiardo, com'egli dice, il cui scopo è
di sedurre e d'incantare. Ed ecco che sotto il suo alito musicale
l'albero di Delfi rinfiora, e nella foresta si solleva il vento delle danze
silvane, e a fior delle onde appaiono le sirene...
«E la Società non sarà sola a bene accoglierlo, dice Wilde
raccogliendo in qualche parola l'essenza stessa della sua estetica.
L'arte, evasa dalla prigione del realismo, s'affretterà innanzi a lui e
bacierà le sue belle labbra menzognere, sapendo bene che lui solo
possiede il segreto delle sue manifestazioni — il segreto che la Verità
è assolutamente e interamente questione di stile. E la Vita, stanca di
ripetersi a profitto di Spencer, degli storici scientifici e dei compilatori
di statistiche, la Vita lo seguirà umilmente e cercherà di riprodurre
nella sua maniera semplice e inalterabile qualcuna delle meraviglie
ch'egli narra».
Tutte le regioni della sua sensibilità sono illuminate da questo
pensiero costante, interamente personale, coesistente alla virtù
adunatrice di verbi, onnipresente ad ogni manifestazione della sua
individualità fino talvolta ad acuirne il senso sottile. Per Wilde, come
per Platone, come per Fichte, il mondo reale non è che pura
concezione del nostro spirito, e le cose non sono che apparenze
delle nostre idee.
Egli andava nella vita esultante, recando nelle mani la sua anima
sacra di Poeta. Non era Giacinto che veniva a parlare delle rive del
lago di Tiberiade; era l'ombra di Orfeo vittoriosa degl'inferni.
Si esprimeva per apologhi, pensava in brevi significazioni narrative
bagnate di un'atmosfera magnetica che permetteva allo spirito un
prolungamento e una suggestione indefinita. E la voce era di una
musicalità fine e dolce, quasi un accompagnamento avviluppante la
frase elegante e perfetta. Parole speciose, silenzi enigmatici,
suggestioni, musiche...
E quando egli taceva, tutti lo ascoltavano ancora, commossi e
sorridenti, simili a quei marinai delle navi greche, ai quali la voce
insidiosa del mare recava il mormorio sommesso delle sirene.
Ma attraverso i più seducenti arabeschi dell'immaginazione e del
linguaggio, l'idea era sostenuta ad un'altezza paradossale e logica.
Una giuntura sottile e segreta fondeva strettamente l'emozione
dell'esteta e l'emozione dell'uomo; e il metallo sortiva puro, lo stilista
non aveva che da cesellarlo, gioiello d'arte e di vita, con quella
flessibilità intellettuale che può prendere tutte le maschere,
insinuarsi in tutti gli atteggiamenti, vivere insieme e volontariamente
vite diverse e contradittorie.
A questo punto della sua vita Oscar Wilde è completo; personifica la
propria vita e la propria leggenda assaporando la voluttà profonda
d'associare degli opposti. Il segreto meraviglioso della vita è suo. Egli
può veramente dirsi «re della vita»: The King of the life.
Ma a questo punto comincia una fine e quasi impercettibile
deteriorizzazione progressiva. Il soffio del dionisiaco, moderato fin
qui come in un concerto il lirismo del solista è sottomesso al bisogno
preciso della misura, adesso si fa elemento dominante ed
esasperante. L'affermazione della Vita stessa nei suoi problemi più
strani e più ardui, la volontà di vita che sacrifica i suoi tipi più elevati
a beneficio del proprio carattere inestinguibile, quello insomma che
Nietzsche ha chiamato «dionisiaco», sale, si svolge, si diffonde, si
esalta.
Egli, giustificò Henri De Régnier, credeva vivere in Italia ai tempi del
Rinascimento o in Grecia ai tempi di Socrate...
Lo spaventoso amore ch'egli provava per la vita e per la bellezza
della vita, era come una virtù demoniaca che lo innalzava su tutti i
culmini e lo profondava in tutti i baratri. Sottili desiderî, voglie
squisite, volontà fosche, aberrazioni incredibili, un fervore epicureo
da cui s'alza fatidico e quasi rabido l'antico monito pagano:
coronemus nos rosis, cras enim moriemus.
Per qualche tempo egli fu così il simbolo di un nuovo Edonismo e
andò nel mondo ebbro di arte, con la gola arsa di bellezza, con gli
occhi bruciati dalla sua visione, con la febbre di squisiti peccati nel
sangue, senza lasciar sfuggire un solo istante, cercando sempre
sensazioni nuove, sempre, sempre... Ma il ritmo del pathos travolge
e precipita. Incipit tragœdia.
La sventura, come già il piacere, è opera deliberata e necessaria di
quel dover terribilmente godere.
«Io dovevo andare innanzi: l'altra metà del giardino aveva anche i
suoi segreti per me». Ed egli fa di sè, della sua carne e della sua
anima, una belva intelligente e voluttuosa.
Gli amici lo descrivono nei tempi immediatamente anteriori alla
prigionìa, vagante per l'Europa e per l'Africa Settentrionale, in preda
a non so quale inquietudine.
Ad Algeri, narrò ad Andrè Gide uno degli ultimi suoi miti delicati e
sapienti; egli sfuggiva l'opera d'arte, non voleva più adorare se non il
sole; il sole detesta il pensiero, lo fa indietreggiare e rifugiarsi
nell'ombra, dall'Egitto alla Grecia, all'Italia, alla Francia, alla Russia,
alla Norvegia.
L'adorazione del sole era l'adorazione della vita, lirica adorazione che
si faceva via più feroce, terribile. Il Gide aggiunge: «Nietzsche mi
stupì meno più tardi, perchè avevo inteso Wilde dire: Non la felicità!
Sopratutto non la felicità. Il piacere! Bisogna voler sempre il più
tragico».
E volle il più tragico.
La storia è nota. Fu lui che intentò il processo contro il più illustre dei
suoi diffamatori, entrò quale accusatore in quella «Camera della
giustizia degli uomini...». Fu preso, tonduto, vestito di sacco,
ammanettato...
Pianse:
«A chi è in prigione, egli dice, le lagrime son parte della quotidiana
esperienza: un giorno in prigione senza pianto è un giorno in cui si
ha il cuore duro, non un giorno in cui si è felici».
Ma pur dal profondo dell'abisso egli si inebria delle bellezze che lo
attendono oltre la porta della prigione:
«Io ho uno strano desiderio delle grandi e semplici cose primeve,
come il mare, che m'è non meno materno della terra... Io tremo di
piacere quando penso che il giorno stesso in cui lascerò la prigione,
insieme il citiso e la glicine fioriranno nei giardini e ch'io vedrò il
vento agitare in mobile bellezza l'oro ondeggiante dell'uno, e far che
l'altro scuota la pallida porpora delle sue piume, così che tutta l'aria
sarà Arabia per me».
Come Gautier, egli è sempre uno di coloro pour qui le monde visible
existe. Pur nel profondo dell'abisso la sua anima rimane pagana e
s'inebria di piacere, anche se amaro e pieno di pianto. Quello di cui
arrossisce, non è quello che la Società gli rimprovera, il «Peccato»,
ma di essersi lasciato sorprendere per mancanza d'individualismo:
«Naturalmente, confessa Wilde, una volta che misi in moto le forze
della società, la società mi si pose contro e disse: Come! tu hai
vissuto fin quì sfidando le mie leggi, ed ora vieni ad invocar
protezione a queste stesse leggi? Esse ti saranno strettamente
applicate. Il risultato è ch'io sono in prigione».
Dalla prigione, egli scriveva a Robert Ross:
«Troppo lunga è stata la mia tragedia, passata è la sua crisi,
meschina la sua catastrofe; ed io sono convinto che quando saremo
sul finire io farò ritorno, come un ospite male accolto, nel mondo che
mi rifiuta. Sarò un revenant, come dicono i francesi, uno dal volto
fatto macro per lunga prigionia, affranto per lungo patire. Orribili
sono i morti quando si destano dalla loro tomba, ma più orribili i vivi
che tornano dalle tombe. Di tutto questo io ho piena coscienza.
Ben lo sapeva, egli che essendo in contatto con Ariel come artista,
dovette lottare con Calibano. E Calibano lo vinse. «Avevo un'anima,
non so cosa ne abbiano fatto», disse egli un giorno ad André Gide,
con un tentativo di riso che aveva il suono di un singhiozzo...

*
* *
«Ciò che il paradosso era per me nella sfera del pensiero — dice
Wilde nel De profundis — la perversità lo divenne nel dominio della
passione».
Il «paradosso» non è altro, insomma, che una verità poco familiare e
che il tempo attenuerà in verità usuale e, forse, in luogo comune: il
nome che gl'imbecilli danno alla verità — diceva Jean Moréas,
quando lo accusavano d'esser paradossale.
Alcune «verità poco familiari» sono una fra le più notorie
caratteristiche dell'opera di Oscar Wilde. Frasi nette, lucide, boutades
lanciate col piccolo colpo secco di una tabacchiera che si richiude:
— Nessun delitto è volgare. Ma ogni volgarità è delitto. La volgarità è
la condotta degli altri.
— Si dovrebbe esser sempre un poco inverosimili.
— Esser prematuro, significa esser perfetto.
— Una verità cessa di esser vera quando più di uno crede in lei.
— Soltanto gli dei conoscono la morte. Apollo è scomparso. Ma
Giacinto il quale, secondo gli uomini, venne sgozzato da lui, vive
ancora: Nerone e Narciso son sempre con noi.
— La condizione della perfezione è la pigrizia. Lo scopo della
perfezione è la giovinezza.
— Evitate gli argomenti di non importa qual genere. Essi sono
sempre volgari e spesso convincenti.
E questa definizione delle donne:
— Sfingi senza segreto.
E questo aforisma in difesa dell'egoismo:
— Il mezzo sicuro di non conoscer nulla della vita, è quello di cercare
d'essere utile.
Wilde amava suscitare il riso, sorridendo; ma si compiaceva anche
ad una specie di emozione quasi ostile al riso, la cui qualità potrebbe
definirsi «opulenza», magnificenza, magistero di arte che ordisce la
trama con fila d'oro e la ricama con gemme.
Se non precisamente un classico del ridere, Wilde è un classico di
quell'humour così particolare agl'inglesi, cui egli aggiunge un sapore
di decadenza singolarmente acconcio all'anima pagana che l'invade e
lo tormenta:
«Quando Gesù volle rientrare in Nazaret, egli narrava, Nazaret era
così cambiata che Gesù non riconobbe più la sua città. La Nazaret
ove egli aveva vissuto era piena di lamentazioni e di lagrime, questa
città era piena di risa e di canti. E Cristo, entrando in città, vide degli
schiavi carichi di fiori affrettarsi verso la scalea di una casa di marmo
bianco. Cristo entrò nella casa, e in fondo ad una sala di diaspro,
coricato sopra un giaciglio, vide un uomo i cui capelli disfatti erano
mischiati alle rose rosse e le cui labbra erano rosse di vino.
Cristo si avvicinò a lui, gli toccò la spalla e gli disse: — Perchè
conduci questa vita? — L'uomo si volse, lo riconobbe e rispose: —
Ero lebbroso; tu m'hai guarito. Perchè condurrei un'altra vita?
Cristo uscì da quella casa. Ed ecco che nella strada vide una donna il
cui viso e le vesti erano dipinti, e i cui piedi erano calzati di perle; e
dietro di lei camminava un uomo il cui abito era di due colori e i cui
occhi si gravavano di desiderio. E Cristo si avvicinò all'uomo, gli toccò
la spalla e gli disse: — Perchè dunque segui questa donna e la
guardi così? — L'uomo si volse, lo riconobbe e rispose: — Ero cieco;
tu m'hai guarito. Che altro farei della mia vista?
E Cristo si avvicinò alla donna: — La strada che tu segui, le disse, è
quella del peccato; perchè seguirla? — La donna lo riconobbe e gli
disse ridendo: — La strada ch'io seguo è gradevole, e tu hai
perdonato tutti i miei peccati.
Allora Cristo sentì il suo cuore colmo di tristezza e volle abbandonare
questa città. Ma come ne usciva, vide infine, seduto sull'orlo dei
fossati della città, un giovine che piangeva. Cristo gli si appressò e
toccando le ciocche dei suoi capelli gli disse:
— Amico mio, perchè piangi?
Il giovine levò gli occhi, lo riconobbe e rispose: — Ero morto e tu
m'hai risuscitato; che altro farei della mia vita?»
Non è agevole cosa definire la qualità del riso di Wilde. È un ridere
leggero, un condurre di prato in prato relegante armento di delicate
«fumisteries», immaginate e dette su fumo di sigarette.
Di questo suo humour personalissimo diamo esempio, in questa
raccolta, con la traduzione dei due deliziosi etchings che seguono,
racconti di buffoneria, dove Wilde, come sempre, rimane serio.
G. Vannicola.
IL FANTASMA DI CANTERVILLE
 I.

Quando il Ministro d'America, signor Hiram B. Otis, acquistò il

castello di Canterville, tutti dissero che faceva una sciocchezza,
poichè il castello era abitato dagli spiriti.
Lo stesso Lord Canterville, del resto, nella sua scrupolosa onestà,
discutendo le condizioni dell'acquisto, si era fatto un dovere di
avvertirne il signor Otis:
— Noi stessi, — aveva detto Lord Canterville, — non l'abbiamo più
abitato dall'epoca in cui la duchessa vedova di Belton svenne per lo
spavento, sentendo due mani di scheletro posarsi sulle sue spalle;
nè si rimise più in salute, dopo tale paura.
La cosa avvenne mentre ella stava vestendosi per il pranzo. Mi sento
in dovere di aggiungere, caro signore, che il fantasma fu veduto da
molte persone della famiglia ancora viventi, come pure del reverendo
Augusto Dampier, rettore della parrocchia e dottore aggregato del
Real Collegio di Belford. Dopo il tragico fatto accaduto alla duchessa,
nessuna delle nostre giovani domestiche volle più restare presso di
noi, e molte notti Lady Canterville non ha potuto dormire per i
rumori misteriosi che venivano dal corridoio e dalla biblioteca.
— Mylord, — aveva risposto il Ministro, — comprerò i mobili,
compreso il fantasma nell'inventario.
Io giungo da un paese moderno dove si può acquistare tutto ciò che
per denaro si può avere, e con i nostri giovani, vivaci e gagliardi, che
ne fanno di tutte nel vostro vecchio mondo, che rapiscono i vostri
attori migliori, le vostre prime donne migliori, sono sicuro che se vi
fosse ancora un vero fantasma in Europa, non si sarebbe fatto a
meno d'impadronirsene per metterlo in uno de' nostri pubblici musei,
o farlo passeggiare per le strade più frequentate come un fenomeno.
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

ebookball.com