Processamento Digital de Imagens

Utilização de Wavelets na

Multiresolução de Imagens

Autores: Danilo Palomo Olga Oliveira

Professora: Leila M. Fonseca

Organização da Apresentação

Introdução

Multiresolução através de Wavelets

Multiresolução no contexto da TerraLib

Estratégia Proposta

Resultados Experimentais

Conclusões e Trabalhos Futuros

Demonstração da Ferramenta Desenvolvida

Introdução

Problema: Multiresolução Representar objetos em

diferentes escalas e permitir que cada objeto seja

visualizado com o nível de detalhamento necessário.

Introdução

Objetivo: Analisar a utilização de Transformadas

Wavelet no problema de visualização de imagens no

contexto da TerraLib.

Estratégia: Implementação de um sistema de

visualização de imagens.

Motivação: Oferecer à TerraLib uma maneira distinta e

eficaz de trabalhar com diferentes escalas.

Realizar sucessivas passagens de filtros passa-banda decompondo os sinais a cada passo, em detalhes e aproximação. A partir de uma imagem de entrada são passados filtros

sucessivos nas linhas e nas colunas.

Multiresolução com Wavelets

Multiresolução com Wavelets

Imagem Original 1 Imagem de Aproximação

Filtros passa-baixa nas linhas e nas colunas. 3 Imagens de Detalhes

Detalhes na Vertical: filtro passa-alta nas linhas e passa-baixa nas colunas.

Detalhes na Horizontal: filtro passa-baixa nas linhas e passa-alta nas colunas.

Detalhes na Diagonal: filtros passa-alta nas linhas e nas colunas.

Vantagens: Possibilita visualizar as imagens em diferentes níveis de acordo

com a necessidade. Pode-se desprezar a imagem original e as imagens de

aproximação, excetuando-se a última. Armazena-se apenas as sub-imagens de detalhes (coeficientes

calculados no processo de decomposição) e a menor sub-imagem de aproximação.

A recuperação é realizada através da reconstrução.

Desvantagem: Pode-se gerar algumas perdas da qualidade da imagem

recuperada. Tempo gasto no processo de reconstrução da imagem.

Multiresolução com Wavelets

A multiresolução é implementada atualmente através do armazenamento da imagem em múltiplas escalas. Reamostragem: cada 4 pixels de uma imagem em uma escala

maior gera um pixel de uma imagem menor.

Para armazenar as imagens em suas diversas escalas, utiliza-se uma compactação (ZLib).

O que poderia ser melhorado Tempo gasto no carregamento da imagem. Espaço utilizado para armazenamento. Tempo gasto na recuperação da imagem.

Multiresolução na TerraLib

Otimizar o espaço utilizado: Utilizamos junto com as Wavelets o algoritmo de compressão

EZW (Embedded ZeroTree Wavelet).

Imagens grandes: Blocagem: dividindo a imagem original em imagens menores.

Estratégia Proposta

Decomposição de uma imagem Abstrata: 17 KB - 128 x 128

Resultados Experimentais

Decomposição de uma imagem Lena: 257 KB - 512 x 512

Resultados Experimentais

Utilização de Memória e Tempo Gasto:

Espaço de Armazenamento:

Resultados Experimentais

Resultados Experimentais

Resultados Experimentais

Decomposição de uma imagem CBERS Cascavel Banda 4: 42508 KB - 6815 x 6387

Resultados Experimentais

Nível 2 Nível 5

Decomposição de uma imagem CBERS Cascavel Banda 4

Resultados Experimentais

Resultado Comparativo da Imagem de Cascavel:

Recomposição da Imagem de Cascavel:

Resultados Experimentais

A utilização de Wavelets no contexto da TerraLib pode trazer vantagens: Ganho de tempo de carga da imagem. Ganho de espaço utilizado de armazenamento.

Precisa ser resolvido o problema do tempo de recuperação para o problema de mostrar muito blocos.

A utilização de Wavelets é viável para fazer multiresolução de imagens.

Conclusões

Utilizar distintas famílias de Wavelets no contexto específico.

Testar outros algoritmos de compressão.

Alterações no sistema desenvolvido: Aceitar imagens coloridas. Aceitar outros formatos de imagens. Resolver o problema do tempo de recuperação da imagem.

Incorporar as Wavelets na TerraLib.

Trabalhos Futuros

Referências

[1] P. S. Addison. The little wave with the big future. Physics World, 17(3):35ñ39, March 2004. [2] L. M. T. Carvalho, L. M. G. Fonseca, F. Murtagh, and J. G. P. W. Clevers. Analysis of changes at multiple spatial scales. International Archives of Photogrammetry and Remote Sensing, vol XXXIII, part B7/1, commission VII:340ñ346, 2000. [3] G. Càamara, R. Souza, and et al. Terralib: Technology in support of gis innovation. II Brazilian Symposium on Geoinformatics, GeoInfo2000, 2000. [4] I. Daubechies. Ten Lectures on Wavelets. SIAM Books, Philadelphia, PA, 1992. [5] J. Gomes and L. Velho. From fourier analysis to wavelets. SIGGRAPH'99 Course Notes 5, SIGGRAPH-ACM publication, august 1998. [6] R. C. Gonzalez and R. E. Woods. Processamento de Imagens Digitais. Editora Edgard Blucher Ltda, 2000. [7] S. Mallat. Multiresolution approximation and wavelets. Trans. Amer. Math. Soc., 315:69ñ88, 1989. [8] J. M. Shapiro. Embeddeded image coding using zerotrees of wavelet coefcients. IEEE Transactions on Signal Processing, 41(12):3445ñ3462, 1993. [9] J. L. Starck, F. Murtagh, and A. Bijaoui. Image Processing and Data Analysis: the multiscale approach. Cambridge University Press, United Kingdom, 1998.