Processamento de Imagens - kusumoto.com.brUma operação pontual global em uma imagem digital r é a...
Transcript of Processamento de Imagens - kusumoto.com.brUma operação pontual global em uma imagem digital r é a...
Prof. André Y. Kusumoto – [email protected]
Uma operação pontual global em uma imagem digital r é a função
f(r) aplicada a todo pixel da imagem:
Operações pontuais globais em imagens
r: s = f(r)
Figura 3.38 - Relação entre imagem origem e destino.
Prof. André Y. Kusumoto – [email protected]
Operações pontuais globais baseadas na curva de tom
Figura 3.44 Curva de tom original e alteradas, com suas respectivas curvas de tom e histogramas
GIMP: Cores → Curvas
Prof. André Y. Kusumoto – [email protected]
Compressão de histograma
Figura 3.45 - Efeito da Compressão de Histogramas
GIMP: Cores → Níveis
Prof. André Y. Kusumoto – [email protected]
Expansão de histograma
Figura 3.46. Efeito da Expansão de Histogramas.
GIMP: Cores → Níveis
Prof. André Y. Kusumoto – [email protected]
Equalização
• O objetivo da equalização de imagens é a melhoria do seu contraste.
• Para tanto, o ideal é que os níveis de cinza sejam representados de
maneira uniforme e distribuída.
• Consiste na redistribuição dos valores de nível de cinza em uma imagem
de forma que todos os pixels tenham a mesma probabilidade de aparecer.
• A equalização de histogramas procura distribuir igualmente para todos os
níveis de pixels da imagem o que não permite estabelecer parâmetros de
mudança capazes de ressaltar faixas de níveis de cinza na imagem.
Operações globais baseadas em histograma
Prof. André Y. Kusumoto – [email protected]
Operações globais baseadas em histograma
Equalização
Figura 3.49 – (a) Imagem com baixo contraste e seu histograma. (b) Imagem após equalização e seu histograma.
GIMP: Cores → Automático → Equalizar
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Vizinhança
• Vizinhança-4: Um pixel f(x,y) possui 4 vizinhos, horizontais e
verticais. •
•
•
•
f(x,y)
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Vizinhança
• Vizinhança-4: Um pixel f(x,y) possui 4 vizinhos, horizontais e
verticais. • f(x,y-1)
• f(x-1,y)
• f(x+1,y)
• f(x,y+1)
f(x,y)
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Vizinhança
• Vizinhança-8: Um pixel f(x,y) possui 8 vizinhos, horizontais,
verticais e diagonais. •
•
•
•
•
•
•
•
f(x,y)
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Vizinhança
• Vizinhança-8: Um pixel f(x,y) possui 8 vizinhos, horizontais,
verticais e diagonais. • f(x-1,y-1)
• f(x,y-1)
• f(x+1,y-1)
• f(x-1,y)
• f(x+1,y)
• f(x-1,y+1)
• f(x,y+1)
• f(x+1,y+1)
f(x,y)
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Vizinhança
• Utilizando o mesmo conceito para imagens tridimensionais
(3D)
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Conectividade
• Dois objetos são conexos se são vizinhos e similares (i.e. de
acordo com um critério de vizinhança e similaridade adotado).
• Critérios de vizinhança: Vizinhança-4, Vizinhança-8, etc.
• Critérios de similaridade: intensidade, cor, textura*.
* Um conjunto de determinados padrões existentes nas superfícies físicas, perceptíveis ao
olho humano, e que trazem grande quantidade de informações sobre a natureza da
superfície, como suavidade, rugosidade (GONZALEZ; WOODS, 2002);
Adjacência
• Dois elementos (podem ser subconjuntos de pixels) são
adjacentes se forem conexos em pelo menos um elemento.
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Caminho
• É uma sequência de pixels distintos onde cada pixel é
adjacente ao seguinte pixel na sequência.
• Podem ser utilizados como critério de pixels adjacentes a
vizinhança-4, vizinhança-8, etc.
• O número de elementos na sequência representa o
comprimento do caminho
15
Na Figura (a) o comprimento considerando vizinhança-4 é 10.
Na Figura (b) considerando vizinhança-8 é 7.
Prof. André Y. Kusumoto – [email protected]
Relacionamento entre elementos de uma imagem
Bordar e Interior • A borda corresponde ao conjunto de pontos no contorno do componente
conexo.
• A borda de um componente conexo S em uma imagem bidimensional é o
conjunto de pixels pertencentes ao componente e que possuem
vizinhança-4 um ou mais pixels externos a S.
• O interior é o conjunto de pixels de S que não estão em sua borda.
Prof. André Y. Kusumoto – [email protected]
Operações Pontuais
• O pixel, na posição (xi,yi), da imagem resultante depende
apenas do pixel na imagem original.
Figura 4.1 – Esquema de operações pontuais em imagens.
Prof. André Y. Kusumoto – [email protected]
Operações Pontuais
• O processamento pode levar em consideração dados globais
da imagem, como por exemplo, o histograma.
• As operações locais pixel-a-pixel de duas imagens podem ser
descritas pela expressão:
Z = ( X OpP Y ) (4.3)
OpP é um operador aritmético ou lógico.
Prof. André Y. Kusumoto – [email protected]
Operações Aritméticas
Figura 4.3 – Exemplo de operação aritmética de soma
Prof. André Y. Kusumoto – [email protected]
Operações Aritméticas
Figura 4.4 –Imagens X e Y utilizadas como exemplos.
(a) X (b) Y
Exemplos de operações aritméticas com as imagens da Figura 4.4.
(a) X+Y (b) X-Y
Prof. André Y. Kusumoto – [email protected]
Adição de Imagens
• Pode ser usada para sobrepor o conteúdo de uma imagem em
outra.
• Se combinarmos a figura a e b obtemos c
Operações Aritméticas
Prof. André Y. Kusumoto – [email protected]
Subtração de Imagens
• Tem diversas aplicações como a identificação de diferenças
entre imagens.
• O movimento de objetos pode ser medido com a subtração, as
regiões dos objetos que permanecem inalteradas são
eliminadas (objetos movidos são claramente mostrados)
Operações Aritméticas
Prof. André Y. Kusumoto – [email protected]
• Adição
• Pode ser utilizado para colocar conteúdo de uma imagem sobrepondo
outra
• Subtração
• Utilizado para remover algum padrão indesejável
• Detectar mudanças (movimento?) entre duas imagens da mesma
cena.
• Multiplicação e Divisão
• Multiplicar uma imagem por uma “máscara” pode esconder certas
regiões deixando exposto apenas objetos de interesse
Operações Aritméticas
Prof. André Y. Kusumoto – [email protected]
• A adição de duas imagens com 256 níveis de cinza, por exemplo, pode
resultar em número maior que o valor 255 para determinados pixels. Por
outro lado, a subtração de duas imagens pode resultar em valores
negativos para alguns pixels.
• Uma maneira de resolver esse problema é, após a aplicação do operador aritmético,
realizar uma transformação da escala de cinza na imagem resultante para manter
seus valores dentro do intervalo adequado.
• A divisão de imagens pode produzir valores fracionários, os quais devem
ser convertidos para valores inteiros. Além disso, divisão por zero deve
ser evitada.
• Uma maneira simples de evitar esse problema é adicionar o valor 1 a todos os
valores de intensidade dos pixels, tal que o intervalo de níveis de cinza passa a ser
interpretado de 1 a 256, ao invés de 0 a 255
Operações Aritméticas
Prof. André Y. Kusumoto – [email protected]
• Operações lógicas podem ser aplicadas apenas a imagens
binárias (em contraste com as operações aritméticas).
• AND produz 1 na saida quando os pixels correspondentes nas duas imagens de
entrada possuem 1.
• XOR produz 1 quando apenas um dos pixels (não ambos) é 1.
• OR produz 1 quando pelo menos um dos pixels das imagens é 1
• NOT inverte o valor de cada pixel da imagem
Operações Lógicas
Prof. André Y. Kusumoto – [email protected]
Operações Lógicas
Operações lógicas podem
ser aplicadas apenas a
imagens binárias
Prof. André Y. Kusumoto – [email protected]
Operações Locais
• Um pixel da imagem resultante depende de uma vizinhança do
mesmo pixel na imagem original
Figura 4.9 – Exemplo de uma operação local em uma área em torno do pixel (xi, yi).
Prof. André Y. Kusumoto – [email protected]
Forma de atenuar o efeito de aliasing
• Filtro de média (4.2)
Figura 4.12 –Imagem com Aliasing (c) e o efeito da aplicação de filtro de média (d).
(c) (d)
=
)y,f(x)y,f(x)y,f(x
)y,f(x )y,f(x)y,f(x
)y,f(x)y,f(x)y,f(x
9
1 )y,g(x
11111
11
111i11
ii
jiiiii
iiiiii
iiiii
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.
• Slides a Profa. Sheila Cáceres - UNIP