Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouLeonardo Cipriano de Almeida Alterado mais de 8 anos atrás
1
Fundamentos da Computação Gráfica PUC-Rio – Pontifícia Universidade Católica do Rio de Janeiro DI – Departamento de Informática Mestrado em Informática Disciplina: Fundamentos da Computação Gráfica Professor: Marcelo Gattass Pedro Nuno de Souza Moura
2
Esta apresentação tem por objetivo demonstrar os algoritmos implementados e os resultados obtidos para a primeira etapa do trabalho de reconhecimento de código QR. Apresentação
3
Objetivo do Trabalho → Reconhecimento de códigos Quick Response. Primeira etapa: Segmentação da Imagem. Uma das técnicas possíveis: Thresholding (Limiarização). Diversos algoritmos e abordagens existentes. Referência de Yie Liu e Mingjun Liu cita diversos. Objetivo
4
Global → Um único valor de threshold para toda a imagem. Local → Threshold é obtido através da análise da vizinhança de um pixel. Algumas possibilidades de vizinhança: 4-vizinhança: 8-vizinhança: Métodos de Thresholding
5
Método de Otsu → Método iterativo para obter um threshold que separe a imagem em fundo (background) e objeto. Trabalha com o histograma da imagem. Minimiza a sobreposição dos agrupamentos ao minimizar a variância intraclasse: Algebrismo: Algoritmo: Obter arg max da expressão acima. Métodos de Thresholding
6
Norma ISO → Obtém o valor médio entre a maior e a menor intensidade de cinza presente na imagem. Em condições uniformes de iluminação, funciona bem. Justificativa:Problema: Métodos de Thresholding
7
Algoritmo K-Means: Busca Local para algoritmos de clusterização. Parte de uma solução inicial e intensifica até convergir a um ótimo local. Obtém a média dos dois grupos: e. Novo thresholding é. Critério de parada é a convergência local. Métodos de Thresholding
8
Método Local de Nilblack. O threshold para um pixel corresponde à média de seus vizinhos. Foi utilizada uma 8-vizinhança. Métodos de Thresholding
9
Imagem original: Exemplo
10
Imagem em tons de cinza: Exemplo
11
Histograma da imagem em escala de cinza:
12
Método constante na norma ISO: Exemplo
13
Aplicação do K-Means ao resultado anterior: Exemplo
14
Método de Otsu: Exemplo
15
Aplicação do K-Means ao resultado anterior: Exemplo
16
Método de Nilblack processando vizinhos que distam até 20 unidades: Exemplo
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.