Processamento Digital de Imagens - Fundamentos e Aplicações

Instituto Federal do Ceará - IFCECampus MaracanaúCiência da Computação

Aldisio MedeirosTunay Araújo

Novembro, 08 de 2012

Processamento Digital de ImagensFundamentos e Aplicações

[email protected], [email protected]

Maracanaú, 08 de Novembro de 2013


mailto:[email protected]





Novembro, 08 de 2012 Aldisio MedeirosTunay Araújo


→ Introdução

→ Fundamentos e anatomia do olho humano

→ Áreas de atuação

→ Exemplo de Processamento e análise

→ Morfologia matemática

→ Filtragem, histograma e limiarização

→ Operações com imagens utilizando Python

Processamento Digital de Imagens





→ Uma imagem pode ser definida como uma função bidimensional, f(x,y), em que x e y são coordenadas espaciais, e a amplitude de f é chamada de intensidade ou nível de cinza da imagem em um ponto.

→ Uma imagem digital, é assim chamada quando x, y e os valores de intensidade de f são quantidades finitas e discretas, ou seja, um número finito de elementos com suas localizações e valores específicos. Esses elementos são chamados de pixels da imagem.

→ Processar uma imagem significa modificar ou extrair informações dela;

Novembro, 08 de 2012 3/25

Introdução





○ Imagem Digital

Introdução





○ Convenção utilizada em Processamento de Imagens

Introdução





○ Imagem Digital

Introdução

(0,0)

*f(x,y)





○ Fases de análise e processamento

Introdução

Aquisição

Pré-processamento

Segmentação

Extração de Atributos

Reconhecimento e Interpretação





Aquisição

Pré-processamento

Segmentação




Introdução





Aquisição

Pré-processamento

Segmentação




Introdução





Aquisição

Pré-processamento

Segmentação




Introdução





Aquisição

Pré-processamento

Segmentação




Introdução





Aquisição

Pré-processamento

Segmentação




Introdução





○ Formação da Imagem

Introdução

Quando um sensor de imagem registra a radiação que interagiu com objetos físicos ocorre a formação de uma imagem.Imagens monocromáticas são descritas como uma função bidimensional da intensidade da luz f(x,y), onde x e y representam as coordenadas espaciais (largura e altura) e o valor de f em qualquer ponto corresponde ao brilho (nível de cinza) da imagem naquele ponto.

A intensidade de luz pode ser modelada como:

• f(x,y) = i(x,y) · r(x,y)

• i = 0 ≤ i(x,y) ≤ ∞ (iluminação);

• r = 0 ≤ r(x,y) ≤ 1 (refletância);





➔ A saida da maioria dos sensores é uma forma de onda de tensão contínua cuja amplitude e comportamento estão relacionados aos fenômenos físicos

➔ Precisamos converter dados contínuos em dados discretos;

➔ Uma imagem f(x,y) é amostrada resultando em M linhas e N colunas; Esta imagem têm tamanho: M x N;

Os valores das coordenadas (x,y) são discretos: valores inteiros e positivos;

Os valores dos níveis de cinza f(x,y) são discretos: valores reais e positivos.

➔ Amostragem: Digitalização dos valores das coordenadas(posição)

➔ Quantização: Digitalização dos valores de intensidade de luz(brilho)


○ Amostragem e quantização

Introdução





➔


○ Amostragem e quantização

Introdução





○ Espectro visível

Introdução






○ Fundamentos e anatomia do olho humano

Introdução





→ Percepção das cores no olho humano○ No olho, as imagens são formadas sobre a

retina, numa área sensível à luz localizada no fundo do olho. Na retina estão localizados dois tipos de células foto-receptoras: os bastonetes e os cones;

○ Os bastonetes distinguem a presença e a ausência de luz ou tons intermediários;

○ Os cones percebem as cores. ○ Basicamente o olho é sensivel a:

■ Vermelho■ Verde■ Azul

○ Fundamentos e anatomia do olho humano

Introdução






○ Formação da Imagem

Introdução





➔ Fotografia e impressão

➔ Imagens de satélite

➔ Medicina

➔ Detecção de face ou de objeto

➔ Biometria

○ Áreas de Atuação

Introdução





○ Áreas de Atuação - Biometria

Introdução





○ Áreas de Atuação - Imagem da retina e mamografia

Introdução





○ Extração de Ruídos

Introdução





● Conjunto de técnicas utilizadas para manipular a estrutura dos objetos

● Elemento estruturante

● Operações básicas (Dilatação e Erosão)

○ Morfologia Matemática

Operações





➔ Operações básicasPodemos dividir as operações a serem realizadas em imagens binárias e operações realizadas em imagens em tons de cinza e coloridas.

➔ Dilatação Binária (⊕)Transformação morfológica que combina dois conjuntos utilizando adição vetorial, o resultado dessa operação será uma imagem mais “engordada”.Ela pode ser representada pela união A ⊕ B = A ∪ B.

A dilatação de um conjunto A pelo conjunto B e definida por:A ⊕ B = { c | c = a + b , a ∈ A , b ∈ B }


Operações





➔ Dilatação Binária (⊕)A representa a imagem sendo operada e B é um segundo conjunto onde é chamado elemento estrutural e sua composição define a natureza especifica da dilatação, sendo assim a dilatação expande uma imagem.

➔ Erosão Binária (θ)Basicamente encolhe uma imagem e pode ser vista como umatransformação morfológica que combina dois conjuntos usando vetores de subtração. Ela é expressa como a interseção de A e B. Assim e definido A θ B = B ∩ A.

A erosão da imagem A pelo elemento estrutural B pode ser definida como:

A θ B = ( x | x + b ∈ A para todo b ∈ B) Novembro, 08 de 2012 3/25


Operações





Original Passo intermadiário Resultado dilatação

Original Passo intermadiário Resultado Erosão

Operações

○ Filtragem, histograma e limiarização





➔ FiltragemElinação de elementos com uma determinada característica na imagem. A filtragem é realizada pixel a pixel, onde o novo nível de cinza de um ponto P qualquer depende do seu nível de cinza original e do de outros pontos considerados como vizinhança de P.

Em geral, os pontos mais próximos de P contribuem mais para o novo valor do nível de cinza do que os pontos mais afastados

Operações






➔ HistogramaDistribuiçao de intensidade dos pixels

Operações






➔ BinarizaçãoConsiste em separar o histograma de uma imagem em duas regiões.


Operações






➔ LimiarizaçãoUma das abordagens mais importantes de segmentação de imagens, sendo um caso específico desta.

Consiste em separar as regiões de uma imagem em duas classes: objeto e fundo.

As demais regiões são classificadas como não interessantes.


Operações








Filtragem, histograma e limiarização

➔ LimiarizaçãoNa limiarização ou binarização, tem-se, em geral, objetos pretos(0) sobre o fundo branco(255).









➔ LimiarizaçãoA limiarização é baseada na utilização de um histograma. A limiarização simples é eficiente quando se tem níveis de cinza bem distintos. Regiões com intensidade uniforme tem picos elevados no histograma.








➔ LimirizaçãoÉ dita trivial quando os níveis de cinza do objeto e do fundo apresentarem duas classes distintas na forma de dois picos.O objetivo é encontrar um vale entre os dois picos encontrando um limiar T que separe as duas classes.








➔ Limiarização









➔ LimiarizaçãoOs métodos de limiarização possuem duas abordagens distintas, uma global e outra lobal.

Os globais utilizam um único limiar T para toda a imagem.

O local tem como princípio dividir a imagem em sub-regiões, cada uma com seu limiar específico.

Em função das características de cada imagem, podem ser necessários diferentes valores de limiar para cada região.

Uma desvantagem do limiar global é a dificuldade de se encontrar um vale entre dois picos.









➔ Limiarização

Novembro, 08 de 2012 3/25Único limiar Multiníveis








➔ Limiarização (Métodos)Método de Kittler

Método de Pun

Método de Otsu

Método Ótimo

Método de Kapur

Método de Arms








tragem, histograma e limiarização

➔ Método de OtsuINICIO LEIA Figura; CRIE Cinza[256];

FAÇA Cinza[Figura[i]]++; i ++;

ENQUANTO I < Tamanho(Figura) Média <- CalcularProbabilidade(Cinza);

FAÇA SE Figura[i] <= Média ENTÃO

FiguraBinaria[i] <- 0; SENÃO

FiguraBinaria[i] <- 1; FIM SE

ENQUANTO I < Tamanho(Figura) RETORNE FiguraBinaria

FIM INICIO









➔ Método de OtsuProcura um limiar ótimo para a imagem e tem a importante peculiaridade de se basear inteiramente em cálculos realizados no histograma de uma imagem.






Por que Python?

○ Ferramenta utilizada - Linguagem Python

Introdução





➔ Python - Linguagem de programação de alto nível open source, interpretada, imperativa, orientada a objetos, funcional de tipagem dinâmica e forte. Foi lançada por Guido Van Rossun em 1991;

➔ Prioriza a legibilidade do código sobre a velocidade ou expressividade. Combina uma sintaxe concisa e clara com os recursos poderosos de sua biblioteca padrão e por módulos e frameworks desenvolvidos por terceiros.

➔ Possui várias bibliotecas para manipulação de imagens e é nativa no sistema operacional linux.

○ Ferramenta utilizada - Linguagem Python

Introdução





Operações com imagens utilizando Python

● Python Image Library (PIL) - é um pacote que contém várias classes e funções que permite a manipulação de imagens a partir de um script python.

● Mamba - Biblioteca open source escrita em C e python para operações de morfologia matematica.

● Matplotlib - Biblioteca de plotagem 2D para a linguagem python. Pode gerar gráficos, histogramas, espectros de potência, gráficos de barras, gráficos de dispersão, etc, com apenas algumas linhas de código.

● SimpleCV - é um framework de código aberto para a construção de aplicações de visão computacional. Com ele, você tem acesso a várias bibliotecas de visão por computador de alta potência, como OpenCV.





Operações com imagens utilizando python

➔ Scripts

from PIL import Image

imagem = Image.open("C:\\Users\\usuario\\Pictures\\retina1.jpg")

imagem.show()





Operações com imagens utilizando python

➔ Scripts

from PIL import Image

global extext = ".jpg"

def imgCrop(im):

box = (50, 50, 200, 300) region = im.crop(box) region.save("CROPPED" + ext)

im1 = Image.open("C:\\Users\\usuario\\Pictures\\retina1.jpg")imagem = imgCrop(im1)





Considerações finais

➔ Referências

1. GONZALEZ, Rafael; Woods, Richard. Processamento Digital de Imagens.. 3. ed. Longman do Brasil, 2010. 624p.2. http://www.mamba-image.org/3. http://www.inf.ufsc.br/~visao/morfologia.pdf

http://www.mamba-image.org/

http://www.inf.ufsc.br/~visao/morfologia.pdf

Technology

Processamento Digital de Imagens - Fundamentos e Aplicações