Processamento de Imagens Digitais

Processamento de Imagens Digitais
Mercedes G. Márquez Universidade Estadual de Mato Grosso do Sul Good afternoon, I will be presenting the work that I have done with Wu Shin-Ting from State University of Campinas. Its title is

Tópicos Imagem digital Processamento de imagens digitais:
Conceito e aplicações Áreas correlatas Etapas do processamento de imagens Pré-processamento: Técnicas de Realce Exemplos Our work basically consists of six topics : 1 Motivation or introduction 2. Douglas-Peucker Algorithm that presents a problem of self-intersection. 3. Our solution for self-intersection 4. Complexity Analysis of our algorithm 5. Some re/sults/ and finally Our Conclusions

Imagem digital y f(x,y) x
Matriz cujos índices de linhas e de colunas identificam um ponto na imagem, e o correspondente valor do elemento da matriz identifica o nível de cinza naquele ponto. y f(x,y) x Many /en/tities of real world can be modelled as polylines. They are used for a/ppro/ximating and repre/sen/ting the border of complex and simple objects in areas as geographical information system, computer graphics, pattern recognition and others. However, many times we can find re/dun/dant information such as colinearity. This must be eliminated without shape degradation of the polyline.

Imagem digital Pixel Nível de cinza f(245,250)=0
Os elementos dessa matriz digital são chamados de “pixels" (abreviação de "picture elements"). (x,y)  f(x,y) 250 Pixel Nível de cinza Many /en/tities of real world can be modelled as polylines. They are used for a/ppro/ximating and repre/sen/ting the border of complex and simple objects in areas as geographical information system, computer graphics, pattern recognition and others. However, many times we can find re/dun/dant information such as colinearity. This must be eliminated without shape degradation of the polyline. f(245,250)=0 245

Imagem digital Resolução espacial (depende da resolução do sensor)
In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance. 128 x 128 pixels 64 x 64 pixels

Imagem de 31 x 41 pixels ampliada 12 vezes
Imagem digital Imagem de 31 x 41 pixels ampliada 12 vezes In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance.

Imagem de 1944 x 2592 pixels (5 Megapixels)
Imagem digital Imagem de 1944 x 2592 pixels (5 Megapixels) In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance.

Imagem digital Resolução radiométrica (geralmente 256 níveis)
In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance. 256 niveis de cinza 8 niveis de cinza

Imagem digital Resolução radiométrica (geralmente 256 níveis)
0  Preto  Branco In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance.

Imagem digital Imagens Coloridas ( 3 Canais )
1o Canal  R (Red) Vermelho 2o Canal  G (Green) Verde 3o Canal  B (Blue) Azul In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance.

Imagem digital f(10:15,10:15) In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance.

Imagem digital f(120:125,290:295) f(175:180,115)
f(175:180,115) In other context it´s de/si/rable to get a new version of a polyline but with a lower detail according to some error tolerance. 254 255

Processamento de imagens digitais
Usa operadores matemáticos para alterar os valores dos pixels de uma imagem com dois propósitos: (1) melhoria da qualidade da imagem. Exemplos: - Melhora de contraste Smalls modifications were made to the DP Algorithms for guaranteeing no self-intersections for any tolerance. Insignificant increment in the time cost. And as further work we propose extend our algorithm to the 3D space. Doubts : Recursive, vertices, rasterized, colinearity - Redução de ruído

(1) melhoria da qualidade da imagem. Exemplos: -Restauração de imagens Smalls modifications were made to the DP Algorithms for guaranteeing no self-intersections for any tolerance. Insignificant increment in the time cost. And as further work we propose extend our algorithm to the 3D space. Doubts : Recursive, vertices, rasterized, colinearity Imagem borrada Imagem restaurada

melhoria da qualidade da imagem – Algumas aplicações Imagens biomédicas : melhorar o contraste para facilitar a interpretação de raios x e outras imagens biomédicas. processar imagens degradadas de objetos irrecuperáveis ou resultados experimentais muito caros para serem repetidos Smalls modifications were made to the DP Algorithms for guaranteeing no self-intersections for any tolerance. Insignificant increment in the time cost. And as further work we propose extend our algorithm to the 3D space. Doubts : Recursive, vertices, rasterized, colinearity

(2) extração de informação para percepção automática de máquinas. - reconhecimento de caracteres - reconhecimento de padrões Smalls modifications were made to the DP Algorithms for guaranteeing no self-intersections for any tolerance. Insignificant increment in the time cost. And as further work we propose extend our algorithm to the 3D space. Doubts : Recursive, vertices, rasterized, colinearity

(2) extração de informação para percepção automática de máquinas – Aplicações - Reconhecimento de Formas e Padrões, - Robótica (sensores visuais em robôs) - Imagens biomédicas (contagem automáticas de células), etc. Smalls modifications were made to the DP Algorithms for guaranteeing no self-intersections for any tolerance. Insignificant increment in the time cost. And as further work we propose extend our algorithm to the 3D space. Doubts : Recursive, vertices, rasterized, colinearity

Melhoria da imagem (Pré-processamento) Extração de informação (Análise de imagens) In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Áreas correlatas do processamento de imagens digitais
Melhoria da imagem Pré-Processamento Extração de informação IMAGENS In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker. Análise de imagens Computação Gráfica DADOS

Etapas do processamento de imagens digitais
Aquisição Pré-processamento Segmentação Análise de imagens Representação e descrição In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker. Reconhecimento e interpretação

Problema : Leitura automática da placa de um carro Etapas : Aquisição - Aquisição de imagens por “scanner” . - Aquisição de imagens por máquinas fotográficas digitais. In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Problema : Leitura automática da placa de um carro Pré-processamento - Objetivo é melhorar a imagem para aumentar as chances de sucesso dos processos seguintes. - No exemplo, o pré-processamento realçaria contrastes, removeria ruído e isolaria regiões cuja textura indicasse a probabilidade de informação alfanumérica. In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Problema : Leitura automática da placa de um carro Pré-processamento In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Problema : Leitura automática da placa de um carro Segmentação divide uma imagem de entrada em partes ou objetos constituintes. A segmentação automática é considerada uma das tarefas mais difíceis no processamento de imagens digitais. -A saída é constituída tipicamente por dados em forma de pixels (fronteira e interior de uma região). In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Problema : Leitura automática da placa de um carro Representação e Descrição - Descrição, também chamado seleção de características, procura extrair características que resultem em alguma informação quantitativa de interesse que sirvam para discriminação entre classes de objetos. - Descritores como buracos e concavidades são características poderosas que auxiliam na diferenciação entre uma parte do alfabeto e outra. In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Problema : Leitura automática da placa de um carro Reconhecimento e interpretação -Reconhecimento é o processo que atribui um rótulo a um objeto, baseado na informação fornecida pelo seu descritor. A interpretação envolve a atribuição de significado a um conjunto de objetos reconhecidos. In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Problema : Leitura automática da placa de um carro Reconhecimento e interpretação In front of the mentioned problems: Geometric redundancy and lower display resolution it´s /ne/cessary a reduction process of vertices and segments that is known as simplification of polylines. There are many simplification algorithms, but the most visually e/ffec/tive is Douglas-Peucker.

Pré-processamento : Técnicas de realce
As técnicas de realce dividem-se em duas categorias, sendo elas: Domínio espacial: onde a imagem tem seus pixels alterados de forma direta, podendo ser por processamento ponto-a-ponto ou por filtros; Domínio de freqüência: onde as alterações são feitas utilizando a Transformada de Fourier e filtros.

Realce no Domínio Espacial

Realce no Domínio Espacial
Os métodos de domínio espacial geralmente são expressos na forma g(x,y) = T[f(x,y)] Sendo: f(x,y) é uma ou mais imagens de entrada; g(x,y) sua corresponde processada; T é um operador que atua sobre alguma vizinhança de um ponto (x,y) de f.

Realce por Processamento Ponto-a-Ponto

Realce por Processamento Ponto-a-Ponto
Modifica o nível de cinza de um pixel independentemente da natureza de seus vizinhos.

Alargamento do Contraste
Forma da função de transformação para alargamento do contraste L - 1 r s (r2, s2) L = Número de níveis de cinza T(r) (r1, s1)

utiliza a equação da reta para mapear o intervalo da escala dinâmica da imagem de entrada no intervalo [0, 255] P1 = (r1,s1) e P2 = (r2,s2) P1 = (menor, 0) P2 = (maior, 255) o valor r corresponde ao valor do pixel da imagem de entrada e o valor s será o equivalente na imagem de saída Usando a equação da reta y - y1 = ((y2 - y1 )/(x2 - x1))(x - x1), temos que s = ((s2 - s1 )/(r2 - r1))(r - r1)

(b) (a) Imagem original e (b) resultado de alargamento de contraste.

Compressão da Escala Dinâmica
Função de transformação logarítmica L - 1 T(r) s R r s=c log(1+|r|) R = Número de níveis de cinza da imagem de entrada; L = Número de níveis de cinza da imagem processada.

Compressão da Escala Dinâmica
(b) (a) Imagem com ampla escala dinâmica e (b) resultado após compressão.

Histograma de Imagem Digital
Representação gráfica que relaciona cada nível de cinza com sua freqüência de aparecimento na imagem digital.

Histograma de Imagem Digital
(b) (a) Imagem e (b) seu histograma.

Equalização do Histograma
Método utilizado para obter um histograma mais uniforme. Possibilita o aumento da escala dinâmica da imagem.

Consiste em uma transformação não-linear que considera a distribuição acumulativa da imagem original, para gerar uma imagem resultante, cujo histograma será aproximadamente uniforme. Segue-se o princípio que o contraste de uma imagem seria otimizado se todos os 256 possíveis níveis de intensidade fossem igualmente utilizados, ou seja, todas as barras verticais que compõem o histograma fossem da mesma altura. Uma aproximação é conseguida ao se espalhar os picos do histograma da imagem, deixando intocadas as partes mais "chatas" do mesmo. Consegue-se: Reduzir o contraste em áreas muito claras ou muito escuras, numa imagem. Expandir os níveis de cinza ao longo de todo intervalo.

(b) (a) (d) (c) (a)Imagem original (b) seu histograma; (c) imagem obtida pela equalização do histograma e (d) seu histograma.

Trabalho: Investigue e interprete a fórmula da equalização de histograma

Realce por Filtragem Espacial

Realce por Filtragem Espacial
Utiliza máscaras denominadas filtros espaciais Exemplo de máscara 3x3 Sendo: w1, w2, ..., w9 coeficientes da máscara; z1, z2, ..., z9 níveis de cinza dos pixels da imagem sob a máscara; resposta R para cada pixel da imagen igual a w1z1 + w2z w9z9. w1 w2 w3 w4 w5 w6 w7 w8 w9

Filtragem Espacial Passa-baixas
Filtro de suavização – Filtro da média; Exemplo de máscara 3x3 Sendo: R = (w1z1 + w2z w9z9)/9 R = (z1 + z z9)/9 1

(d) (e) (a) Imagem original; (b)-(e) resultado de filtragem espacial passa-baixas com máscara de tamanho nxn, n = 5, 9, 15, 25.

Filtro da mediana Redução de ruído sem borramento da imagem. Substituição do pixel pela mediana dos pixels de uma janela m x m de vizinhos.

Filtragem Espacial Passa-Altas
Filtro de aguçamento; Exemplo de máscara 3x3 Sendo: R = (w1z1 + w2z w9z9)/9 -1 8 Quando a mascara está sobre uma área de valores cinza constantes ou ligeiramente diferentes, a saída é zero ou muito pequena.

Filtragem Espacial Passa-Altas
(b) (a) Imagem de uma retina humana (b) resultado após filtragem passa-altas.

Filtragem Espacial Alto-reforço
Filtro de aguçamento; Exemplo de máscara 3x3 Sendo: w = 9A – 1, A>= 1; R = (w1z1 + w2z w9z9)/9 -1 w

Filtragem Espacial Alto-reforço
(b) (a) (d) (c) (a) imagem original; (b)-(d) resultados da filtragem “alto reforço”, com A =1.1, 1.15 e 1.2, respectivamente.

Processamento de Imagens Digitais

Apresentações semelhantes

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

Apresentações semelhantes

Sobre projeto

Feedback

Login

Autorizar-se através da rede social:

Processamento de Imagens Digitais

Apresentações semelhantes

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

Apresentações semelhantes

Sobre projeto

Feedback