Computer Vision Melhoramento de Imagens Paulo Sérgio Rodrigues PEL205

ComputerVision

Melhoramento de Imagens

Paulo Sérgio RodriguesPEL205

ComputerVision Melhoramento no Domínio Espacial

Funções para processamento de imagens no domínio espacialpodem ser expressadas como:


Alguns tipos de funções para melhoramento de contraste

m

mais escuro mais claro

mai

s cl

aro

mai

s es

curo

s = T(r)

T(r)

s = T(r)

m

mais escuro mais claro

mai

s cl

aro

mai

s es

curo

T(r)


Alguns tipos simples de transformações de intensidade

• Negativo

• Stretching

• Compressão

• Slicing

Uma maneira de realizar algumas dessas operações é atravésda função de transformação g(x,y) = c f(x,y)y


Alguns tipos simples de funções de transformações de intensidade


A função g = cry para vários valores de y e c = 1


Resultado em uma imagem de raio-x da espinha dorsalhumana para valores de c = 1 e y = 0.6, 0.4 e 0.3, respectivamente

original y = 0.6

y = 0.4 y = 0.3


Resultado em uma imagem aérea para valores de c = 1 e y = 3, 4 e 5, respectivamente

y = 3.0

y = 5.0 y = 4.0

original


Resultado de stretching

Formada função de transformação

Resultado do stretching

Imagem debaixo contraste

Resultado dalimiarização


Resultado de transformação de faixa

Imagemoriginal

Transformação de faixa preservada

Resultado daTransformação de faixa constante

Transformação de faixa constante


Processamento Baseado em Histograma: Equalização

O objetivo é usar uma função de transformação que torne o histograma o mais uniforme possível, criando uma imagemcom maior contraste.

Se usarmos como função de transformação o histograma cumulativoo resultado será uma distribuição mais uniforme (equalizada)

• Calcular o Histograma original• Calcular o Histograma cumulativo• Equalizar a imagem com o Histograma cumulativo



1,...,1,0 10 )( Lkrn

nrp k

kkr

onde: pr(rk) é a probabilidade da intensidade rk

nk é o número de ocorrências de rk

n é o número total de ocorrências



A função cumulativa é calculada como:

1,......,1,0 1,0

)(

)()(

1

00

Lksr

sTr

rpn

nrTs

kk

kk

k

jjr

k

j

jkk



)(rpr )()( 1 sTsps

r s


Equalização Global - Equalização Local

original Equalização Global

Equalização Local


Melhoramento Local

O melhoramento local pode ser conseguido através deuma função de transformação de vizinhança que dependada média (m) e desvio padrão (σ) das intensidades da vizinhança. A média é uma idéia do brilho local e odesvio padrão nos dá uma idéia do contraste.

10 ),(

1),(

),(),(),(),(),(

kyx

kyxA

yxmyxmyxfyxAyxg


Filtragem no Domínio da Fequencia

1 1 1

0 0 0

Filtragem no Domínio da Espacial


Filtro da Média:

n

iiw

nyxf

1

1),(

onde wi é a intensidade na vizinhança n em torno de f(x,y)

Filtro da Mediana:

onde wn/2 é a n/2-ésima intensidade na vizinhança n em torno de f(x,y)

2/),( nwyxf

Filtro da Maioria:

onde wm é a intensidade de maior frequencia na vizinhança n em torno de f(x,y)

mwyxf ),(


original Filtro da média3 x 3

Filtro da mediana3 x 3


Filtros Sharpening : Filtro Espacial Passa-Alta


Filtros Sharpening : Filtro Espacial Passa-Alta


Filtragem High-Boost

PassaAlta = Original - PassaBaixa

High-Boost = (A)(Original) - PassaBaixa = (A-1)(Original) + (Original) - PassaBaixa = (A-1)(Original) + Passa-Alta


Filtragem com função Sigmoid

Se as uma escala de reflectância das regiões de interesse são conhecidas, pode-se usar uma função que se adapte aos valoresconhecidos para direcionar a suavização. Exemplo: região em torno da mama



Em caso de tumores de mama, um estudo de tais regiões, produz a seguinte escala:



Tal escala, pode ser utilizada em uma função sigmoid como a seguinte:

Min

e

MinMaxII

1

1)(

~

onde ....



interesse de faixa da mínimo e máximo valoresos são e

dacentraliza está interesse de faixa a qual do tornoem valor o é

interesse de faixa da largura a é

original luminância de valor o é

suavizado luminância de valor o é ~

1

1)(

~

MinMax

I

I

Min

e

MinMaxII

ComputerVision Filtragem no Domínio da Frequencia




ComputerVision

Filtragem no Domínio da Frequencia

ComputerVision

Melhoramento no Domínio da Frequencia

ComputerVision


ComputerVision



ComputerVision



ComputerVision


ComputerVision


Filtragem Homomórfica

Uma imagem pode ser representada através dos componentes de reflectância e luminância:

)},({)),(()},({ yxryxiyxf

A equação acima não pode ser trabalhada diretamente nodomínio da freqüência uma vez que:

),(),(),( yxryxiyxf

ComputerVision



Mas supomos que:

)),(ln()),(ln(

)),(ln(),(

yxryxi

yxfyxz

Então:

))),((ln())),((ln(

))),((ln()),((

yxryxi

yxfyxz

),(),(),( vuRvuIvuZ Ou:

ComputerVision



Se processarmos Z(u,v) com um filtro H(u,v):

),(),(),( vuRvuIvuZ

),(),(),( vuZvuHvuS

),(),(),(),(),( vuRvuHvuIvuHvuS

onde S(u,v) é a transformada de Fourier do resultado

ComputerVision



No domínio espacial:

),()},({1 yxsvuS

)},(),({)},(),({),( 11 vuRvuHvuIvuHyxs

)},(),({),(

e

)},(),({),(

supondo

1'

1'

vuRvuHyxr

vuIvuHyxi

),(),(),( '' yxryxiyxs

ComputerVision



Finalmente, uma vez que z(x,y) foi construía como o logaritmo de f(x,y), a inversa de s(x,y) leva ao resultadodesejado:

),(),(

),(),(

),(

''

''

),(

yxryxi

yxryxi

yxs

ee

e

eyxg

ComputerVision



ComputerVision



ComputerVision

Filtragem no Domínio da Freqüência


Documents

Computer Vision Melhoramento de Imagens Paulo Sérgio Rodrigues PEL205