Apresentação visão computacional

Edvaldo Araújo | Sistemas de Informação - IFAL

Introdução Visão Humana Visão Computacional

Conceitos

Etapas de um Sistema de Visão Computacional

Aplicações

OpenCV

Exemplos

Dificuldades


Há muito tempo a Inteligência Artificial busca entender o funcionamento do cérebro humano e suas diversas funções, entre elas a visão.

Visão é o processo de descoberta do quê está presente no mundo real e onde através do olhar.

A visão computacional é um ramo complexo que tem como objetivo desenvolver sistemas para extrair informações úteis em um cenário.


A visão é um processo complexo; A capacidade do cérebro processar e interpretar a imagem é

que nos permite a movimentação em ambientes, encontrar objetos, etc.

Olhos Cérebro Cenário Imagem Percepção

Aquisição da Imagem Interpretação da Imagem

Representação do sistema de visão humana


É a ciência que desenvolve as bases teóricas e algorítmicas pelas quais informações úteis são automaticamente extraídas de imagens por meio de computadores.

Um sistema dotado de visão computacional é um sistema capaz de adquirir, processar e interpretar imagens.

Câmera Computador Cenário Imagem Percepção

Aquisição da Imagem Interpretação da Imagem

Representação do sistema de visão computacional


Principais Etapas

Aquisição de Imagens

Pré-processamento

Extração de Características

Segmentação

Reconhecimento de padrões


Uma imagem é uma representação espacial de um objeto;

Uma imagem digital é produzida por um ou mais sensores;

Um pixel é o menor componente de uma imagem digital;

Os valores dos pixels da imagem normalmente representam a intensidade de luz em uma ou em várias faixas de cor, mas também podem indicar valores físicos como profundidade e absorção ou reflexão das ondas eletromagnéticas;


Câmeras e Filmadoras Digitais Celulares e Smartphones

Imagens de Satélite Imagens microscópicas Aparelhos de Tomografia

Aparelhos de Ultrassonografia/Raio X

Exemplos de sensores para aquisição de imagens


Antes de um método de visão computacional ser aplicado em uma imagem para extrair informação, é geralmente necessário processar a imagem para assegurar-se que ela satisfaça determinadas condições. Por exemplo:

Redução de ruídos: Para assegurar que as informações sejam mais realísticas;

Expansão de contraste: Para assegurar que as informações relevantes sejam detectadas;


Redução de ruído


Expansão de Contraste


Uso de algoritmos para detectar e isolar porções desejadas ou formas de uma imagem digitalizada ou vídeo.

Rodenacker e Bengtsson (2003) publicaram um estudo sobre técnicas de extração de características que, embora tenha sido motivado pela pesquisa em citologia, serve como referência para quaisquer aplicações de análise de imagens. Eles classificaram as características em quatro grupos: Características Morfológicas. Ex.: Área, circularidade, largura;

Características Cromáticas. Ex.: Medidas estatísticas das intensidades como média, mediana, desvio-padrão, etc;

Características Texturais;

Características Estruturais ou Contextuais. Ex.: Posição relativa de um elemento em relação a outro.


O processo de segmentação consiste em particionar uma imagem em regiões, ou objetos distintos. Este processo normalmente é guiado por características do objeto ou região, como por exemplo cor ou proximidade.

Permite agrupar os pixels de uma imagem em regiões

homogêneas de acordo com o valor de uma determinada característica.


Exemplos de Segmentação


Reconhecer implica num processo onde existe algum conhecimento prévio e algum tipo de armazenamento do conhecimento sobre o objeto a ser reconhecido;

Para realizar este reconhecimento um sistema de visão necessita de uma base de conhecimento dos objetos a serem reconhecidos ;

A base de conhecimento pode ser implementada diretamente no código, através, por exemplo, de um sistema baseado em regras, ou esta base de conhecimento pode ser aprendida a partir de um conjunto de amostras dos objetos a serem reconhecidos utilizando técnicas de aprendizado de máquina.










Biblioteca desenvolvida pela Intel; Seu objetivo é tornar a visão computacional acessível a

usuários e desenvolvedores; Utiliza conceitos de visão computacional e processamento

de imagens; Possui cinco grupos de funções:

Processamento de Imagens;

Análise Estrutural;

Análise de Movimento e Rastreamento de Objetos;

Reconhecimento de Padrões;

Calibração de câmera e reconstrução 3D.


Suporte a várias linguagens: C;

C++;

Python;

Java.

Compatível com Windows, Linux, Mac, Android e iOS; Vasto material na internet (Tutoriais, exemplos); Milhões de usuários no mundo inteiro; Free!


Exemplo de código

#include <opencv/highgui.h>

#include <opencv/cv.h> int main(int argc, char **argv) {

IplImage *originalImg = NULL; // Carrega imagem em escala de cinza originalImg = cvLoadImage("filename.jpg", 0);

cvNamedWindow("Original", 0); cvShowImage("Original", originalImg); return 0; }







Onde começa um e termina o outro?


O que segmentar?


Reconhecimento de ...???


Muitos objetos



Documents

Apresentação visão computacional