of 50 /50
1 Carlos Alexandre Mello – [email protected] Processamento Digital de Imagens Carlos Alexandre Mello

Pds Aula09 Pdi

Embed Size (px)

Text of Pds Aula09 Pdi

Page 1: Pds Aula09 Pdi

1Carlos Alexandre Mello – [email protected]

Processamento Digital de Imagens

Carlos Alexandre Mello

Page 2: Pds Aula09 Pdi

2Carlos Alexandre Mello – [email protected]

Processamento de Imagens

Dados

Imagens

Processamento de dados

VisãoComputacional

ComputaçãoGráfica

Processamento de Imagem

2

Page 3: Pds Aula09 Pdi

3Carlos Alexandre Mello – [email protected]

Processamento de Imagens

ObjetivosMelhoria da informação visual para interpretação humana/máquinaArmazenamento/TransmissãoEfeitos Digitais

3

Page 4: Pds Aula09 Pdi

4Carlos Alexandre Mello – [email protected]

Processamento Digital de ImagensMelhoria da Informação Visual

Exemplo:Observe a imagem a seguir... O que está escrito nela ?

O fato do olho humano não perceber a diferença entre tons próximos não quer dizer que eles não existam...

Page 5: Pds Aula09 Pdi

5Carlos Alexandre Mello – [email protected]

Processamento Digital de ImagensMelhoria da Informação Visual

Mesma imagem com aumento de brilho (143%) e contraste (79%)....

A mensagem já estava presente; apenas intensificamos as diferenças entre os tons....

Page 6: Pds Aula09 Pdi

6Carlos Alexandre Mello – [email protected]

Processamento de Imagens

Início1920: imagens transmitidas entre Londres e Nova York para publicação em jornal

Imagem de 1921 - impressora telegráfica com tipos especiais 5 tons de cinza

6

Page 7: Pds Aula09 Pdi

7Carlos Alexandre Mello – [email protected]

Processamento de ImagensElementos Básicos de um Ambiente - Hardware

Digitalizador

Visualização

Scanner,Câmera, etc.

Monitor, TV,Impressora, etc.

Imagem

ImagemImagemDigital

•Aquisição•Armazenamento•Processamento

7

Page 8: Pds Aula09 Pdi

8Carlos Alexandre Mello – [email protected]

Processamento de ImagensElementos Básicos de um Ambiente - Software

MatLabSciLabFerramentas Comerciais

PhotoshopPaintShop Pro

8

Page 9: Pds Aula09 Pdi

9Carlos Alexandre Mello – [email protected]

Processamento de ImagensAplicações

Imagens MédicasProcessamento de Imagens de DocumentosReconhecimento de Impressões DigitaisReconhecimento de RetinaOCRImagens de SatélitesCompressão

9

Page 10: Pds Aula09 Pdi

10Carlos Alexandre Mello – [email protected]

Processamento de ImagensImagem Digital

Físico

Matemático

de Representação

de Implementação

10

Page 11: Pds Aula09 Pdi

11Carlos Alexandre Mello – [email protected]

Processamento de ImagensImagem Digital

Sinal Contínuo

Sinal Discreto

Sinal Codificado

Codificação

Reconstrução

Decodificação

Discretização

Sinal Contínuo’

11

Page 12: Pds Aula09 Pdi

12Carlos Alexandre Mello – [email protected]

Processamento de ImagensDigitalização: Amostragem e Quantização

Amostragem

12

Page 13: Pds Aula09 Pdi

13Carlos Alexandre Mello – [email protected]

Processamento de ImagensDigitalização: Amostragem e Quantização

Quantização

13

Page 14: Pds Aula09 Pdi

14Carlos Alexandre Mello – [email protected]

Processamento de ImagensDigitalização: Amostragem e Quantização

Em termos de imagem, a amostragem

cria a matriz referente à imagem (define

as dimensões da matriz) e a quantização

define resolução de cor da imagem

14

Page 15: Pds Aula09 Pdi

15Carlos Alexandre Mello – [email protected]

Processamento de ImagensImagem Digital

O PixelCoordenadaValor (Cor)

15

Page 16: Pds Aula09 Pdi

16Carlos Alexandre Mello – [email protected]

Processamento de ImagensImagem Digital

A Resolução da Imagem é medida em dpi -dots per inch (pixels por polegada)Balanceamento da equação:

Qualidade da ImagemX

Tempo de Processamento X

Espaço de Armazenamento

16

Page 17: Pds Aula09 Pdi

17Carlos Alexandre Mello – [email protected]

Processamento de ImagensImagem Digital

Exemplo:

Gamute

Armazenadosem 24 bits Resolução de

Cor

17

No. deComponentes

Page 18: Pds Aula09 Pdi

18Carlos Alexandre Mello – [email protected]

Processamento de ImagensFundamentos de Cor

Cor é a nossa percepção de diferentes

comprimentos de onda luz

A luz é um fenômeno físico, mas a cor

depende da interação da luz com o sistema

visual, sendo, assim, um fenômeno

psicofísico

18

Page 19: Pds Aula09 Pdi

19Carlos Alexandre Mello – [email protected]

Processamento de ImagensFundamentos de Cor

TeoriasIsaac Newton

Infinitas células fotossensíveisYoungHelmholtz

Modelo tricromáticoTrês tipos de células fotossensíveis às faixas de baixa, média e alta freqüências do espectro visível

Hering

19

Page 20: Pds Aula09 Pdi

20Carlos Alexandre Mello – [email protected]

Processamento de ImagensFundamentos de Cor

Atualmente, a teoria da percepção de cor

faz uma combinação dos modelos de

Young-Helmholtz e Hering

Percebemos combinações das frequências

alta, média e baixa

20

Page 21: Pds Aula09 Pdi

21Carlos Alexandre Mello – [email protected]

Processamento de ImagensFundamentos de Cor

A combinação das freqüências é feita no cérebro da seguinte forma:

L - MH - (L + M)L + M

ConsiderandoH = B, M = G, L = R

eR + G = YY (amarelo)

a combinação enviada ao cérebro é:R - GB - YYR + G = Luminância

L = Baixas frequênciasM = Médias frequênciasH = Altas frequências

Crominância

21

Page 22: Pds Aula09 Pdi

22Carlos Alexandre Mello – [email protected]

Processamento de ImagensSistema Visual Humano

O olho humano é um mecanismo complexo composto basicamente por uma lente e uma superfície fotossensível, a retina, dentro de uma câmera

Células fotossensíveis:•Bastonetes•Cones

22

Page 23: Pds Aula09 Pdi

23Carlos Alexandre Mello – [email protected]

Processamento de ImagensProcesso de Formação das Cores

AditivoSubtrativoPigmentação

Cores aditivas Cores subtrativas

23

Page 24: Pds Aula09 Pdi

24Carlos Alexandre Mello – [email protected]

Processamento de ImagensSistemas de Cores

RGBCMYKHSVHSLIYQCieLabMunsell....

24

Page 25: Pds Aula09 Pdi

25Carlos Alexandre Mello – [email protected]

Cada tom (R, G e B) é armazenado em 1BResolução de Cor:

2 cores (1 bit)16 cores (4 bits)256 cores (8 bits = 1 byte)16 milhões de cores (24 bits = 3 bytes)

Paleta deCores

Processamento de ImagensSistemas Computacional de Cores

25

Page 26: Pds Aula09 Pdi

26Carlos Alexandre Mello – [email protected]

Processamento de ImagensHistograma

O Histograma de uma imagem apresenta a distribuição de cores da imagem

>> I = imread('lena.jpg')>> imshow(I)>> figure, imhist(I,256)

26

Page 27: Pds Aula09 Pdi

27Carlos Alexandre Mello – [email protected]

Processamento de ImagensHistograma

O histograma apenas diz quê cores estão presentes na imagem e não onde elas estão localizadasAtravés do histograma, podemos observar características da imagem como o contraste:

27

Page 28: Pds Aula09 Pdi

28Carlos Alexandre Mello – [email protected]

Processamento de ImagensHistograma

OperaçõesEqualizaçãoStretchEspecificaçãoExpansãoCompressão

28

Page 29: Pds Aula09 Pdi

29Carlos Alexandre Mello – [email protected]

Processamento de ImagensRecorte de Cor – Binarização (ou Limiarização)

Se cor(i) <= 127Então cor(i) = Preto (0)Senão cor(i) = Branco (255)

Valor de Corte = 127(threshold, limiar)

BrancoPreto

29

Page 30: Pds Aula09 Pdi

30Carlos Alexandre Mello – [email protected]

Processamento de ImagensRecorte de Cor

4331 cores

256 cores

16 cores

2 cores30

Page 31: Pds Aula09 Pdi

31Carlos Alexandre Mello – [email protected]

Processamento de ImagensRecorte de Cor – Dithering

Dithering (ou pontilhamento)utilizando duas cores cria-se a ilusão de que há uma terceira cor presente

31

Page 32: Pds Aula09 Pdi

32Carlos Alexandre Mello – [email protected]

Processamento de ImagensRecorte de Cor – Dithering

32

Page 33: Pds Aula09 Pdi

33Carlos Alexandre Mello – [email protected]

Processamento de ImagensRecorte de Cor – Dithering

33

Page 34: Pds Aula09 Pdi

34Carlos Alexandre Mello – [email protected]

Processamento de ImagensRecorte de Cor – Dithering

34

Page 35: Pds Aula09 Pdi

35Carlos Alexandre Mello – [email protected]

Processamento de ImagensRecorte de Cor – Dithering

35

Detalhe naimagem…

Page 36: Pds Aula09 Pdi

36Carlos Alexandre Mello – [email protected]

Processamento de ImagensFiltragem Digital

Mudança nas características das imagensMelhoria nas Imagens

Efeitos digitais

36

Page 37: Pds Aula09 Pdi

37Carlos Alexandre Mello – [email protected]

Processamento de ImagensFiltragem Digital

Classificação dos filtros

Topológicos ou de Amplitude

Lineares ou Não-Lineares

Estatísticos ou Determinísticos

37

Page 38: Pds Aula09 Pdi

38Carlos Alexandre Mello – [email protected]

Processamento de ImagensFiltragem Digital

Filtragem:Uso de máscaras

38

Filtragem conseguida através do processo de convolução digital

Page 39: Pds Aula09 Pdi

39Carlos Alexandre Mello – [email protected]

Processamento de ImagensFiltragem Digital

Aspectos ComputacionaisCor não realizávelExtensão do Domínio da Imagem:

Extensão Constante (Nula ou Não extensão da cor)Extensão PeriódicaExtensão por Reflexão

Eficiência Computacional

39

Page 40: Pds Aula09 Pdi

40Carlos Alexandre Mello – [email protected]

Processamento de ImagensFiltragem Digital – Filtros Lineares

Filtros Passa-Baixa

Filtros Passa-Alta

Filtros Passa-Faixa

•Componentes de alta freqüência caracterizam bordas ou outros detalhes finos de uma imagem;•O efeito resultante de um LPF é o embaçamento da imagem.

•Redução de características que variam lentamente em uma imagem como o contraste e a intensidade média;•Efeito de intensificação das bordas e de detalhes finos na imagem.

•Permitem passar faixas específicas de uma imagem;•Removem regiões selecionadas.

40

Page 41: Pds Aula09 Pdi

41Carlos Alexandre Mello – [email protected]

Processamento de ImagensFiltragem Digital – Filtros Lineares - Exemplos

Filtros Passa-Baixa

Filtros Passa-Alta

Filtros Passa-FaixaImagem original

41

Filtro Box:

Filtro Laplaciano:

Filtro de Sobel:

Page 42: Pds Aula09 Pdi

42Carlos Alexandre Mello – [email protected]

Processamento de ImagensFiltragem Digital – Filtros Lineares - Exemplos

42

Exemplo no MatLab

Imagem Original Imagem Filtrada

Page 43: Pds Aula09 Pdi

43Carlos Alexandre Mello – [email protected]

Processamento de ImagensAplicações: Compressão de Imagens

“Uma imagem vale mais do que mil palavras.... ”

Vale mesmo! Uma imagem com 1.000 pixelspode ocupar até 3 KB, enquanto um arquivo txt com 1.000 palavras ocupa 1KB...e 1.000 pixels pode não conter nem uma letra...

43

Page 44: Pds Aula09 Pdi

44Carlos Alexandre Mello – [email protected]

Processamento de ImagensAplicações: Compressão de Imagens

Compressão de Dados

Teoria dos Códigos

Teoria da Informação

Algoritmos de Compressão

Estáticos ou Dinâmicos

Com Perda ou Sem Perda

44

Page 45: Pds Aula09 Pdi

45Carlos Alexandre Mello – [email protected]

Processamento de ImagensAplicações: Compressão de Imagens

AlgoritmosRun-Length

Código de Huffman

Lempel-Ziv-Welch

Wavelets

Quantização Vetorial

45

Page 46: Pds Aula09 Pdi

46Carlos Alexandre Mello – [email protected]

Processamento de ImagensAplicações: Compressão de Imagens

JPEG2000

46

Page 47: Pds Aula09 Pdi

47Carlos Alexandre Mello – [email protected]

Processamento de ImagensAplicações: Reconhecimento de Placas de Carros

Detector deLinhas Verticais

Localização da Placa(segmentação)

Volta àImagem original

47

Page 48: Pds Aula09 Pdi

48Carlos Alexandre Mello – [email protected]

Processamento de ImagensAplicações: Reconhecimento de Placas de Carros

Segmentação da imagempara isolamento dos caracteres

4 C Y E 2 Z 5

Reconhecimento decaracteres

Possível erro – necessidade do uso de elementos semânticos no processo (Ex: a placa termina com 3 números)

48

Page 49: Pds Aula09 Pdi

49Carlos Alexandre Mello – [email protected] 49

Processamento de ImagensAplicações: Processamento de Imagens de Documentos

Limiarização Pré-Processamento

Segmentação deDocumento

Segmentação deTexto

Extração deCaracterísticas

Classificação

Correção derotação, reduçãode ruído, ....

Page 50: Pds Aula09 Pdi

50Carlos Alexandre Mello – [email protected]

Processamento Digital de Imagens

Referências Complementares:R.Gonzalez, R.Woods, Digital ImageProcessing, Prentice-Hall, 2007J.Gomes, L.Velho, Computação Gráfica: Imagem, Sociedade Brasileira de Matemática, 1995 H.Pedrini, Análise de Imagens Digitais, Ed.Thomson, 2007

50