34
Visão Computacional Imagem: Luz e Cor www.dca.ufrn.br/~lmarcos/ courses/visao

Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Embed Size (px)

Citation preview

Page 1: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Visão ComputacionalImagem: Luz e Cor

www.dca.ufrn.br/~lmarcos/courses/visao

Page 2: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Iluminação

• Sensores em câmeras

• Entendendo a luz

• Como os seres humanos percebem a luz

• Representando cores no computador: espaços de cores

Page 3: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Sensores em câmeras

• 3 sensores CCD - charge coupled device

• Sensíveis à vermelho, verde e azul

• Mede intensidade de cada cor e transforma energia luminosa em voltagem que pode ser posteriormente discretizada por algum conversor analógico-digital

Page 4: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Sensores em câmeras

• Analógico: gera um sinal analógico na saída, codificado, para que a imagem possa ser reconstruída ao ser percebida em algum aparelho (vídeo cassete) ou placa de aquisição - NTSC, PALM, SECAN, PAL

• Digital: converte imediatamente a energia luminosa percebida por cada sensor (CCD) em vários níveis ou valores digitais (geralmente, 256 para cada cor).

Page 5: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Entendendo a luz

Page 6: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 7: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Entendendo a luz

• Luz como photons (partículas sem massa)

• Luz como onda (eletromagnetismo)

Page 8: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Comprimento de onda

Frequencia

Page 9: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Luz

• Energia da onda:

c = velocidade da luz

h = constante de Planck

eV = (eletron volts, ergs) = unidades de energia;

h = 4.135 x 10-15 eV-sec = 6.625 x 10-27 erg-sec

Page 10: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Aspectos físicos da luz e da cor

• Luz é irradiação eletro-magnética– Diferentes cores correspondem a diferentes

comprimentos de onda– Intensidade de cada comprimento de onda é

especificada pela amplitude da onda– Freqüência f=2/

• Comprimento de onda grande = baixa freqüência

• Comprimento de onda curto = alta freqüência

Page 11: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Aspectos físicos da luz e da cor

• Não confundir com comprimento de onda e espectro em processamento de imagem– Em PI, referem-se aos valores espaciais do sinal– Em formação de imagem, referem-se às

propriedades físicas da luz– Idealmente, toda imagem deve ter um espectro

completo em todos os píxels

Page 12: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 13: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 14: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Intervalos aproximados

• Violeta 380-440 m (mili-micron ou nano-metro)

• Azul 440-490

• Verde 490-565

• Amarelo 565-590

• Laranja 590-630

• Vermelho 630-700

Page 15: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

- Olhos humanos respondem à luz visível - Pequena porção do espectro entre infra-vermelho e violeta- Cor é definida pelo espectro de emissão da fonte de luz - Plotagem da amplitude x comprimento de onda:

- Som é parecido com isso, nossos ouvidos fazem uma análise do espectro de modo que ouvimos próximo do que ocorre fisicamente.- Percepção de cor é bem diferente, problema que não temos largura de banda para suportar o processamento.

Page 16: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 17: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 18: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 19: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Seu amigo o fóton

• Percebemos radiação eletro-magnética com entre 400 e 700 nm

• É um acidente da natureza:– Atmosfera deixa passar muita luz neste range– É energia mais alta que infra-vermelho (quente)

e nosso corpo não rejeita ela.

• Mesmas razões que plantas são verdes

Page 20: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Seu amigo o fóton

• Pode mudar range mudando pigmentos visuais: imagens digitais, produzidas em computadores(CG), provavelmente parecem incorretas para os animais

• Poderia-se fazer CG com ondas rádio, raios gama ou mesmo ondas de som– Propriedades de cor dos objetos mudariam– Refração depende do comprimento de onda

Page 21: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Visão e cérebro são um só

• Retina é parte do Sistema Nervoso Central

• 2 milhões de fibras nervosas saem da retina para o LGN, 10 milhões do LGN para o cérebro

• Conexão no cérebro é o Cortex Visual Primário ou V1, na parte posterior.– Hipótese: V1 é um buffer para processamento

posterior

Page 22: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Processamento visual

• Movimento sacádico

• Retina acumula imagem

• LGN abre conexão, imagem acessa V1

• Resto do cérebro acessa informação

• Outro ponto de interesse é gerado (paralelo)

• Sacádico ocorre novament (80 a 250 ms)

(Tudo é automático, controle parcial)

Page 23: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Modelos de cor (espaços)• Nosso sistema é em limitado (o que é bom)• Evitamos calcular e reproduzir cor no espectro

completo (usamos 3 canais de cor)– TV seria mais complexa se percebêssemos full.– Transmissão com larguras de banda maiores– Monitor com técnicas ais complexas

• Visão computacional em tempo real é quase possível• Qualquer de VC requer apenas 3 valores• Vários espaços de cor (transformações 3x3)

Page 24: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Espaços de cor

• Combinação linear

• Espectro– Qualquer radiação (visível ou não) descrita– Geralmente desnecessário e impraticável

• RGB– Conveniente para monitores– Não muito intuitivo

Page 25: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Espaços de cor

• HSV– Espaço de cor intuitivo, Hue (que cor é, tom),

Saturation (quanto de cor tem), Value (quão brilhante, ou intensidade da cor) - HSI

– H é cíclico, portanto transformação não linear do RBG

• CIE XYZ– Transformação linear do RGB, cientistas da cor

• Sistemas com 4 amostras do espectro têm melhor performance, mas 3 é sufciente

Page 26: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

RGB

1=700 m (Red)2=546 m (Green)3=435.8 m (Blue)

() = (R(), G(), B())

Page 27: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

XYZ

B

G

R

Z

Y

X

99.001.020.0

01.081.031.0

00.017.049.0

Page 28: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Sistemas complementares (CMY)

• Ideal para impressoras

• Subtrai do branco (processo subtrativo)

• Ciano = verde+azul => elimina vermelho

• Magenta=azul+vermelho => elimina verde

• Amarelo=vermelho+verde => elimina azul

Page 29: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 30: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Primárias aditivas

• Trabalhando com luz: primárias aditivas– Componentes RGB são adicionados pela

propriedade de superposição do eletro-magnetismo

– Conceitualmente: começa com preto , adiciona luz RGB

Page 31: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao

Primárias subtrativas

• Trabalhando com pigmentos: primárias subtrativas– Tipicamente (CMYK): ciano, magenta, amarela,

preta– Conceitualmente: começa com branco,

pigmentos filtram (retiram) a luz– Pigmentos retiram as partes do spectro– Conversão de monitor para impressora é um

problema interessante (interação de modo não linear)

– Cartucho preto (k) garanti preto com qualidade

Page 32: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 33: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao
Page 34: Visão Computacional Imagem: Luz e Cor lmarcos/courses/visao