Processamento Digital de Imagens

Apresentação em tema: "Processamento Digital de Imagens"— Transcrição da apresentação:

1 Processamento Digital de Imagens
Utilização de Wavelets na Multiresolução de Imagens Autores: Danilo Palomo Olga Oliveira Professora: Leila M. Fonseca

2 Organização da Apresentação
Introdução Multiresolução através de Wavelets Multiresolução no contexto da TerraLib Estratégia Proposta Resultados Experimentais Conclusões e Trabalhos Futuros Demonstração da Ferramenta Desenvolvida

3 Introdução Problema: Multiresolução  Representar objetos em diferentes escalas e permitir que cada objeto seja visualizado com o nível de detalhamento necessário.

4 Introdução Objetivo: Analisar a utilização de Transformadas Wavelet no problema de visualização de imagens no contexto da TerraLib. Estratégia: Implementação de um sistema de visualização de imagens. Motivação: Oferecer à TerraLib uma maneira distinta e eficaz de trabalhar com diferentes escalas.

5 Multiresolução com Wavelets
Realizar sucessivas passagens de filtros passa-banda decompondo os sinais a cada passo, em detalhes e aproximação. A partir de uma imagem de entrada são passados filtros sucessivos nas linhas e nas colunas.

6 Multiresolução com Wavelets
Imagem Original 1 Imagem de Aproximação Filtros passa-baixa nas linhas e nas colunas. 3 Imagens de Detalhes Detalhes na Vertical: filtro passa-alta nas linhas e passa-baixa nas colunas. Detalhes na Horizontal: filtro passa-baixa nas linhas e passa-alta nas colunas. Detalhes na Diagonal: filtros passa-alta nas linhas e nas colunas.

7 Multiresolução com Wavelets
Vantagens: Possibilita visualizar as imagens em diferentes níveis de acordo com a necessidade. Pode-se desprezar a imagem original e as imagens de aproximação, excetuando-se a última. Armazena-se apenas as sub-imagens de detalhes (coeficientes calculados no processo de decomposição) e a menor sub-imagem de aproximação. A recuperação é realizada através da reconstrução. Desvantagem: Pode-se gerar algumas perdas da qualidade da imagem recuperada. Tempo gasto no processo de reconstrução da imagem.

8 Multiresolução na TerraLib
A multiresolução é implementada atualmente através do armazenamento da imagem em múltiplas escalas. Reamostragem: cada 4 pixels de uma imagem em uma escala maior gera um pixel de uma imagem menor. Para armazenar as imagens em suas diversas escalas, utiliza-se uma compactação (ZLib). O que poderia ser melhorado Tempo gasto no carregamento da imagem. Espaço utilizado para armazenamento. Tempo gasto na recuperação da imagem.

9 Estratégia Proposta Otimizar o espaço utilizado: Imagens grandes:
Utilizamos junto com as Wavelets o algoritmo de compressão EZW (Embedded ZeroTree Wavelet). Imagens grandes: Blocagem: dividindo a imagem original em imagens menores.

10 Resultados Experimentais
Decomposição de uma imagem Abstrata: 17 KB x 128

11 Resultados Experimentais
Decomposição de uma imagem Lena: KB x 512

12 Resultados Experimentais
Utilização de Memória e Tempo Gasto: Espaço de Armazenamento:

13 Resultados Experimentais

14 Resultados Experimentais

15 Resultados Experimentais
Decomposição de uma imagem CBERS Cascavel Banda 4: KB x 6387 Nível 2 Nível 5

16 Resultados Experimentais
Decomposição de uma imagem CBERS Cascavel Banda 4

17 Resultados Experimentais
Resultado Comparativo da Imagem de Cascavel: Recomposição da Imagem de Cascavel:

18 Conclusões A utilização de Wavelets no contexto da TerraLib pode trazer vantagens: Ganho de tempo de carga da imagem. Ganho de espaço utilizado de armazenamento. Precisa ser resolvido o problema do tempo de recuperação para o problema de mostrar muito blocos. A utilização de Wavelets é viável para fazer multiresolução de imagens.

19 Trabalhos Futuros Utilizar distintas famílias de Wavelets no contexto específico. Testar outros algoritmos de compressão. Alterações no sistema desenvolvido: Aceitar imagens coloridas. Aceitar outros formatos de imagens. Resolver o problema do tempo de recuperação da imagem. Incorporar as Wavelets na TerraLib.

20 Referências [1] P. S. Addison. The little wave with the big future. Physics World, 17(3):35ñ39, March 2004. [2] L. M. T. Carvalho, L. M. G. Fonseca, F. Murtagh, and J. G. P. W. Clevers. Analysis of changes at multiple spatial scales. International Archives of Photogrammetry and Remote Sensing, vol XXXIII, part B7/1, commission VII:340ñ346, 2000. [3] G. Càamara, R. Souza, and et al. Terralib: Technology in support of gis innovation. II Brazilian Symposium on Geoinformatics, GeoInfo2000, 2000. [4] I. Daubechies. Ten Lectures on Wavelets. SIAM Books, Philadelphia, PA, 1992. [5] J. Gomes and L. Velho. From fourier analysis to wavelets. SIGGRAPH'99 Course Notes 5, SIGGRAPH-ACM publication, august 1998. [6] R. C. Gonzalez and R. E. Woods. Processamento de Imagens Digitais. Editora Edgard Blucher Ltda, 2000. [7] S. Mallat. Multiresolution approximation and wavelets. Trans. Amer. Math. Soc., 315:69ñ88, 1989. [8] J. M. Shapiro. Embeddeded image coding using zerotrees of wavelet coefcients. IEEE Transactions on Signal Processing, 41(12):3445ñ3462, 1993. [9] J. L. Starck, F. Murtagh, and A. Bijaoui. Image Processing and Data Analysis: the multiscale approach. Cambridge University Press, United Kingdom, 1998.