Processamento de Imagens - kusumoto.com.br · escopo do processamento de imagens, ... dados para a...

20
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto [email protected]

Transcript of Processamento de Imagens - kusumoto.com.br · escopo do processamento de imagens, ... dados para a...

Processamento de Imagem

Prof. MSc. André Yoshimi Kusumoto

[email protected]

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

• Não existe um consenso entre os autores sobre o correto

escopo do processamento de imagens, a síntese de imagens e

visão computacional

• Essas áreas se entrelaçam e algumas vezes se sobrepõem

• O que resulta nesse desacordo

GONZALEZ e WOODS (2010)

• sugerem um paradigma com três tipos de processos

computacionais

• consideram uma linha contínua entre processamento de

imagens e a visão computacional

2

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

• Processos de baixo nível

• usam imagens como entradas e saídas do processo.

• pré-processamento de imagens - envolvem operações como realce de imagem,

minimização de ruídos e restauração

• Processos de nível médio

• as saídas são atributos extraídos dessas imagens que em alguns casos, para se

otimizar o processamento, usam técnicas de segmentação (i.e. subdividir a imagem

em regiões de interesse ou objetos) para a extração do conhecimento desejado.

• Processos de alto nível

• são realizadas operações para analisar um conjunto de objetos identificados no nível

anterior para se obter informações associadas às funções cognitivas da visão

3

Fonte: Gonzalez e Woods, 2010

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

CONCI, AZEVEDO e LETA (2008)

• classificam a computação gráfica em três grandes áreas

• duas áreas são praticamente o agrupamento dos três tipos

apresentados por GONZALEZ e WOODS (2010).

• esta abordagem introduz uma grande área chamada de Síntese

de Imagens (SI)

• utiliza de dados para a criação de novas imagens digitais

tais como o ultrassom e tomografias.

4

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

• Análise de Imagens (AI)

• incorpora os processos de nível médio e alto apresentados por

GONZALEZ e WOODS (2010)

• tem como objetivo a extração de informações úteis das imagens

• Nesse contexto, a Visão Computacional (VC), assim como a

segmentação das imagens, estão contidas nessa grande área

5

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

• Portanto, a visão computacional pode ser definida como:

6

Aplicação de métodos e técnicas

de processamento e análise de imagens

com o objetivo de extrair

informações relevantes de imagens digitais,

de maneira similar às capacidades

biológicas da visão humana

e/ou superando tais capacidades

Fonte: KUSUMOTO, 2015

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

Principais Etapas de um Sistema de Visão Computacional

7

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

Aquisição de Imagens

• O objetivo é a criação de uma representação digital de uma

pessoa, objeto ou ambiente.

• Uma câmera digital utiliza um sensor que captura amostras (i.e.

quadros) da energia (i.e. intensidade de luz) emitida e/ou

refletida pelo objeto ou ambiente, convertendo cada ponto do

quadro (i.e. pixel) em um sinal elétrico que será quantizado.

8

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

Restauração e Realce

• Visa melhorar a qualidade da imagem aplicando técnicas de atenuação de

ruído, correção de contraste ou brilho

• Restauração - busca compensar deficiências específicas, geradas no

momento de aquisição, na transmissão ou em alguma etapa do

processamento.

• Realce - destaca detalhes da imagem que são de interesse para análise

ou que tenham sofrido alguma deteorização.

9

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

Segmentação

• Isolar regiões de pontos da imagem pertencentes a objetos para posterior

extração de atributos e cálculo de parâmetros descritivos.

• Baseada na detecção de descontinuidades (bordas) ou de similaridades

(regiões) na imagem

• Técnica mais utilizada: Limiarização

10

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

Extração de Atributos ou

Características

• A partir de imagens já segmentadas (em objeto e fundo) ou binárias,

busca-se obter dados relevantes ou atributos, das regiões ou objetos

destacados.

• Os tipos de atributos ou características mais comuns são: número total de

objetos; dimensões (área, perímetro, centro de gravidade, etc),

geométrica (circularidade, retilineidade, etc).

• Outros atributos

11

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

Classificação e

Reconhecimento

• A palavra classificação não denota nenhum juízo de valor, mas apenas o

agrupamento em classes de diversos objetos obtidos na segmentação.

• Em geral, vários atributos são necessários para uma correta classificação.

• Quanto mais atributos, mais complexo se torna o problema.

• Dessa forma, é muito importante realizar uma seleção adequada dos

atributos disponíveis.

12

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Visão Computacional

Decisão

• O objetivo de um sistema de Visão Computacional é tomar decisões a

partir da extração de informações do mundo real através de imagens.

• A tomada de decisão pode ser feita a partir de indagações simples a

respeito de parâmetros extraídos dos objetos ou de algoritmos mais

complexos de Inteligência Artificial.

13

Fonte: CONCI, AZEVEDO e LETA , 2008

Prof. André Y. Kusumoto – [email protected]

Imagem Digital

• É a representação visual de um conteúdo, seja ele um objeto, uma

paisagem ou o registro de um determinado momento.

CONCI, AZEVEDO e LETA, 2008

• Uma imagem digital pode ser considerada como uma “representação de

uma imagem em uma região discreta, limitada através de um conjunto

finito de valores inteiros que representam cada um de seus pontos”

GONZALEZ e WOODS, 2010

• Uma imagem pode ser definida como uma função bidimensional f(x,y),

onde x e y representam as coordenadas no plano espacial. A amplitude

de f em qualquer coordenada x,y é a intensidade de luz projetada na

coordenada x,y

14

Prof. André Y. Kusumoto – [email protected]

Imagem Digital

• Imagem Digital é o resultado da discretização e da quantização de uma

imagem

• Discretização - é o processo de conversão da imagem em uma representação

discreta. Através de uma amostragem, a imagem é descrita por um número finito de

pontos.

• Quantização - cada ponto deve ser representado por um número finito de tons ou

cores.

• Os valores de discretização (resolução espacial) e de quantização

representam o quanto a imagem será mais ou menos definida (nítida)

15

Prof. André Y. Kusumoto – [email protected]

Imagem Digital

• É composta por um número finito de elementos representados pelas

coordenadas de xi e yj em uma matriz de dimensão n x m

• Cada elemento da imagem digital é chamado de pixel (i.e. Picture

Element)

• Pixel - elemento da imagem ou a menor unidade individual da imagem.

• Assim, deve ser definido para cada pixel a sua profundidade de cor

representada por uma quantidade de bits.

16

Prof. André Y. Kusumoto – [email protected]

Imagem Digital

Profundidade de cor

• Determinada pela quantidade de bits utilizados para representar um pixel

em forma de cor (bits por pixel – bpp).

• Se cada pixel for possuir a profundidade de 8 bits, cada pixel poderá

assumir os valores de 0 a 255, sendo o valor 0 correspondente à cor preta

e 255 a cor branca.

• Assim, para uma imagem de 320x240 serão necessários 320 x 240 x 1

(byte) = 76.800 bytes ou 75 KB

17

Prof. André Y. Kusumoto – [email protected]

Imagem Digital

Imagens Multibandas

• imagens digitais onde cada pixel possui n bandas espectrais.

• quando uma imagem é representada pela composição das três bandas

visíveis (RGB) tem-se uma imagem colorida aos olhos humanos.

• representação de uma

imagem colorida com

profundidade 1 byte por pixel temos uma imagem com profundidade 24

bits por pixel

18

Prof. André Y. Kusumoto – [email protected]

Imagem Digital

Imagens vetoriais x matriciais (raster)

• Imagens raster

• representadas por uma matriz bidimensional. Cada elemento da matriz

corresponde a um pixel da imagem.

• Quando uma imagem do tipo raster precisa ser escalada (i.e. alteração

em sua escala), sua nitidez é degradada.

• Imagens vetoriais

• representadas pelas equações matemáticas que descrevem sua

geometria.

• No caso das imagens vetoriais, não há problemas em alterar suas

dimensões, pois não perdem sua nitidez. Basta recalcular as

equações.

19

Prof. André Y. Kusumoto – [email protected]

Referências

Referências

• GONZALEZ, R. C.; WOODS, R. E. Processamento digital de imagens.

3. ed. São Paulo: Pearson Prentice Hall, 2010.

• CONCI, A.; AZEVEDO, E.; LETA, F. R. Computação Gráfica. Rio de

Janeiro, Editora Campus, 2008. v. 2. 432 p.

• KUSUMOTO, A. Y. Identificação de alvos em ensaios de separação de

carga utilizando visão computacional. 2015. 107f. Dissertação

(Mestrado em Ciências e Tecnologias Espaciais) - Instituto Tecnológico de

Aeronáutica, São José dos Campos.

20