Aula 1
Introdução
Disciplinas relacionadas com imagens
- Processamento de Imagens (Image Processing) :
transformação imagem-imagem, nenhuma descrição explícita
(processamento de baixo nível)
- Análise de imagens (Image Analysis) : Técnicas que extraem
informações da imagem (tipicamente, medidas, dados
quantitativos)
- Visão Computacional (Computer Vision / Image
understanding) : descrição explícita dos objetos
presentes na imagem (processamento de alto nível), incorpora
interpretação. É também vista como uma subárea da área de
Inteligência artificial.
- Reconhecimento de Padrões (Pattern recognition) : técnicas
de reconhecimento de padrões podem ser úteis nos três níveis
de processamento anteriores.
- Computação Gráfica (Computer Graphics) : síntese de
imagens (Computer-Aided Design), Solid Modelling, animação. De
uma forma geral, são técnicas que geram imagem a partir de uma
descrição.
Áreas (problemas reais) onde imagens são elementos importantes
- Automação de escritório / banco / Biblioteca eletrônica
- OCR (http://www.cedar.buffalo.edu/Publications/TechReps/OCR/ocr.html)
- WEB
- Base de dados multi-mídia
- Transmissão
- Armazenamento
- Arte / editoração
- Fotografia (edição, composição de cenas, efeitos especiais, etc)
- Edição de layout para impressão
- Museus virtuais
- Vídeo digital
- composição de cenas
- efeitos especiais
- criação de cenas
- compressão
- TV digital
- Biociências
- Mamografia (http://www.rose.brandeis.edu/users/mammo/digital.html)
- Análise de imagens de microscopia
- Pesquisa biológica (análise de células, tecidos e ossos,
análise de DNA, microarray, etc)
- Reconstrução 3D (http://biocomp.stanford.edu/3dreconstruction/)
- Diagnóstico médico (X-ray -- angiografia, tomografia -- CT, MRI,
PET scanners)
- Automação industrial
- Visão robótica
- inspeção visual, controle de qualidade
- Segurança / Vigilância
- Reconhecimento de faces
- Armazenamento
- Justiça forense (http://www.cs.uwa.edu.au/~pk/Forensic/)
- impressão digital
- análise de DNA
- Reconhecimento de faces
- Defesa / Militar
- alvos em imagens de satélite
- tracking tempo-real de alvos para lançamento de mísseis, etc)
- Sensoriamento remoto (http://rst.gsfc.nasa.gov/)
- análise de superfície terrestre tais como
vegetação, água, temperatura, desmatamento, expansão da zona urbana,
etc
- modelagem 3D da superfície terrestre
- Ciência dos materiais
- análise de imagens de microscopia
- Análise de estruturas (cristalografia, etc)
- análise de componentes, cotagem e classificação de
objetos
- Exploração espacial
- Distorção, ruído, bluring
- atividade solar
- atividades cósmicas
- superfície de planetas
- Outros
- Reconhecimento de placas de veículo
- Cartografia
Voltar para índice de aulas.
Um pouco sobre aquisiçao de imagens.
Página pesada, contém muitas imagens
Aula 3
Operações pontuais
A maior parte das operações listadas abaixo são utilizadas para
realçar o contraste das imagens. O realce das imagens pode ter
como objetivo simplesmente a melhora do aspecto visual, ou pode
funcionar como pré-processamento para uma etapa posterior de
processamnto ou análise.
Seja f uma imagem antes do processamento, g a
respectiva imagem após o processamento, e x uma coordenada
qualquer da imagem. Para simplificar a notação, vamos supor que as
imagens são de 256 tons de cinza (8 bits).
- Negação (g(x) = 255 - f(x))
- Thresholding at T, 0 <= Y <= 255 (g(x) = 1 se f(x) >= T; g(x) = 0 se f(x) < T)
- Contrast stretching (espalhar os tons de cinza)
Exemplo : g(x) = c*log(1+f(x))
Exemplo : g(x) = c*f(x)^gamma
- Operações lógicas (geralmente utilizadas com imagens máscara,
para extrair regiões de interesse)
- AND
- OR
- NOT
- XOR
- SUB (subtração de imagens)
- Operações aritméticas (alguns exemplos foram dados acima)
- Adição
- Subtração (útil para rastrear objetos em movimento em uma
seqüência de imagens com fundo constante, processamento de
imagens multiespectrais (por ex., satélites), imagens
médicas (imagens de vasos sanguíneos com e sem substância
de contraste))
- Multiplicação
- Divisão
- logaritmo
- Exponenciação
- Raíz
- Trigonométricas
- Negação
Operações baseadas em histogramas
- Histogram stretching (seção Contrast Stretching do HIPR2)
- Histogram equalization (Seção Histogram do "HP Image Systems Engineering Initiative" e Seção
Histogram do HIPR2)
- Para pensar : qual a diferença entre Histogram stretching e
Histogram equalization ?
Aula 4
Operações locais (baseadas em vizinhança)
Estas operações podem ser utilizadas em geral para suavização de imagens,
realce de contornos (bordas), filtragem de ruídos.
Chamamos de operações locais aqueles cujo valor da imagem resultante
em uma certa coordenada x depende dos valores de alguns
pontos vizinhos a x na imagem de entrada. Estes pontos
vizinhos são definidos através de uma máscara (janela, template,
kernel).
Averaging filters (Filtros de média)
Vamos considerar uma máscara simples (3x3) com ponto de referência no
centro (w5):
+----+----+----+
| w1 | w2 | w3 |
+----+----+----+
| w4 | w5 | w6 |
+----+----+----+
| w7 | w8 | w9 |
+----+----+----+
Então, se consideramos que a somatória dos coeficientes wi é igual a
1, o filtro da média (ponderada), para qualquer (x,y), é dado por :
g(x) = w1*f(x-1,y-1) + w2*f(x-1,y) + w3*f(x-1,y+1) +
w4*f(x,y-1) + w5*f(x,y) + w6*f(x,y+1) +
w7*f(x+1,y-1) + w8*f(x+1,y) + w9*f(x+1,y+1)
Se todos os coeficientes forem iguais a 1/9 temos a média aritmética
(também chamado de box filter).
Estes filtros provocam os seguintes efeitos:
- Suavização da imagem (borramento). Pode ser útil para eliminar
pequenos objetos (menores que a máscara) ou para preencher
pequenos espaços entre objetos.
- Remoção de ruído: ruídos são geralmente caracterizados por
transições nítidas (sharp) nos tons de cinza. O filtro suaviza
essas transições "sharp".
- Efeito colateral : imagem borrada (pois os contornos são também
suavizados ...)
Realce de contornos
- Inspirado em diferenciação (derivadas); acentua diferenças.
- Derivada é maior (em módulo) onde a inclinação da curva é maior.
- Contornos são caracterizados por transições abruptas nos tons de
cinza.
- Regiões de transição suave : a primeira derivada é constante, a
segunda derivada é zero.
- Regiões de transicão abrupta : a primeira derivada é diferente de
zero, a segunda derivada também é diferente de zero.
- Logo, a segunda derivada (gradiente) indica onde estão as
transições abruptas dos tons de cinza, e portanto os contornos.
Considerando-se as direções horizontal e vertical somente, esta idéia
leva à seguinte máscara:
+----+----+----+
| 0 | 1 | 0 |
+----+----+----+
| 1 | -4 | 1 |
+----+----+----+
| 0 | 1 | 0 |
+----+----+----+
Considerando-se as direções horizontal, vertical e diagonais, esta idéia
leva à seguinte máscara:
+----+----+----+
| 1 | 1 | 1 |
+----+----+----+
| 1 | -8 | 1 |
+----+----+----+
| 1 | 1 | 1 |
+----+----+----+
Estas máscaras são denominadas Laplacianas.
A imagem resultante poderá conter valores negativos. Um mapeamento
para o intervalo [0,255] poderá ser necessário.
Referencias :
Aula 5
Mais operações locais (baseadas em vizinhança)
Como usar Laplaciano para realçar imagens (Seção 3.7 do Gonzalez, segunda
edição)
Operadores de Sobel
Operadores de Prewitt
Aula 6
Operações locais não lineares
Filtro da mediana
Filtros de ordem
Aula 7 / aula 8 / aula 9 / aula 10
Transformadas de Fourier
Convoluçao
Filtragem no domínio das freqüências
Aula 13
Restauração de imagens
Degradação de imagem considerada: transformção linear e invariante no espaço +
ruídos aditivos
Tipos de distribuição de ruídos aditivos: Gaussiana, Exponencial,
Erlang, Rayleigh, Uniforme, Impulso, e sua estimação
Filtros no domínio espacial: Média aritmética, média geométrica, média
harmônica, média contra-harmônica, mediana, filtros
adaptativos (para filtragem de ruído aditivo)
Comparação de imagens : critérios MAE e MSE
Mais detalhes aqui
Aula 14
Restauração de imagens
Filtros no domínio das freqüências: passa-baixas, passa-altas,
passa-bandas, rejeita-bandas
Filtragem inversa (para restaurar imagem degradada por uma
tranformação linear e invariante no espaço)
Mais detalhes aqui
Aula 15
Aula 16
Voltar para índice de aulas.