Quantização e Dithering

Slides:



Advertisements
Apresentações semelhantes
Continuidade: sem interrupções
Advertisements

PROJETO GRÁFICO VISUAL
A Imagem (Parte II) Prof. AMOUSSOU DOROTHÉE
Fundamentos da Representação de Informações em Computadores
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
João Luiz Fernandes e Aura Conci Universidade Federal Fluminense
Imagens Digitais na Agricultura de Precisão
Uso de Filtros Filtros Passa Baixa
BITS ++ E A CORREÇÃO GAMA
Operações Algébricas Operações Topológicas
Operações envolvendo imagens
14/10/09 Uma animação possui: Início; Passo; Fim; 1.
PROJETO GRÁFICO VISUAL Projeto Gráfico Visual -> Aula 2 24/8/2009 (4-6 – noite) PROGRAMAÇÃO Aula 5 – 21/9 Imagem bitmap Imagem vetorial.
Tecnologia Hipermídia e Multimídia Prof. Rudson Faculdade de Excelência Educacional do Rio Grande do Norte CURSO DE GRADUAÇÃO TECNOLÓGICA.
Estatística Descritiva Aula 02
Chapter 2 Fundamentals (a) (b) Convenções de coordenadas:
Filtros de Convolução (Processamento de Imagens)
Formação da imagem digital
Historia, Evolução e Tecnologia
Segmentação de imagens
O COEFICIENTE DE HURST E O COEFICIENTE DE VARIAÇÃO ESPACIAL NA SEGMENTAÇÃO DE TEXTURAS MULTIESPECTRAIS Dra Aura Conci Éldman Oliveira Nunes.
Introdução à Computação Gráfica Colorização
Fundamentos e Aquisição de Imagens Digitais
Fundamentos e Aquisição de Imagens Digitais
1. SINAIS Contém informações sobre uma variedade de coisas e atividades em nosso mundo físico. PROCESSAMENTO DE SINAIS Ato de extrair as informações necessárias.
Eng 639 – Processamento de Imagens Digitais
Equipamentos 3/25/2017 Equipamentos Computação Gráfica - Gattass.
Quantização de cores em Imagens: o caso do K-means
Parte 3 - Processamentos apenas no espaço das cores
Prof. Carlos H. Marcondes
Capítulo 7 Multimídia 7.1 Introdução à multimídia
1 Universidade Federal de Minas Gerais JPEG Alessandra e Aline.
1.4. IMAGENS DE SATÉLITE RESOLUÇÃO DAS IMAGENS.
Relação Escala Resolução Geométrica da Imagem
Tratamento de Imagens I Prof. Felipe Broering
ALGORITMO PARA DETECÇÃO DO CENTRO DO CAMPO DOS SISTEMAS RADIOLÓGICOS
Fundamentação Teórica
Filtragem Espacial É baseado na aplicação de máscaras na imagem.
Filtros I: o domínio espacial. FILTROS I: o domínio espacial.
Utilização do Scanner Trabalho realizado por: Fábio Santos nº 1
ESTATÍSTICA.
Seminário Introdução à Visão Computacional
Um Estudo de Aplicação do iPACKMAN para Compressão de Texturas Bruno Marques Marcelo Walter
Processamento Digital de Imagens
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Inferência Estatística Camilo Daleles Rennó
Fundamentos de Análise de Sinais
Módulo 4 – Quantização Sistemas Multimédia Ana Tomé José Vieira
Elementos essenciais da Câmera Fotográfica
Ferramentas de Multimídia e Internet
Computação Gráfica Aula 2 – Conceito de Resolução
Amostragem Pontos mais importantes:
Guilherme Defreitas Juraszek
Imagem Digital.
Diretrizes das apresentações
Computação Gráfica 1ª Aula.
Medidas de tendência central e de dispersão
Revisão Geral Técnicas de Realce Histogramas
Sensoriamento Remoto e Realce de Imagem
Processamento de Imagens Digitais
CMP 167– Programação com Objetos Distribuídos Prof. Cláudio Geyer
Classificação de Imagens de Sensoriamento Remoto
Parte 2. Operações Topológicas
Digital Image Processing, 2nd ed. © 2002 R. C. Gonzalez & R. E. Woods 3 Representação da Imagem Digital O espectro eletromagnético.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Inferência Estatística Camilo Daleles Rennó
Digital Image Processing, 2nd ed. © 2002 R. C. Gonzalez & R. E. Woods 3 Representação da Imagem Digital O espectro eletromagnético.
PIXEL ARTE.
Análise Digital de Imagens
Processamento de Imagens e Computação Gráfica
Introdução à Computação Gráfica Rasterização
Noções de cores Cor é como o olho dos seres vivos animais interpreta a reemissão da luz vinda de um objeto que foi emitida por uma fonte luminosa por meio.
Transcrição da apresentação:

Quantização e Dithering Claudio Esperança Paulo Roma Cavalcanti

Quantização É o processo de exibir uma imagem com um número menor de cores. Implica em escolher os níveis (cores) e as células (mapa) de quantização. Os principais algoritmos são o de populosidade e do corte mediano (ideal para 8 bits). O processo é crítico na quantização para 1 bit, como na impressão em papel.

Imagem digital a cores com 24 bits.

Quantização uniforme com 8 e 4 bits.

Populosidade com 8 e 4 bits.

Corte Mediano com 8 e 4 bits.

Luz acromática x colorida. A intensidade da luz produzida pelo fósforo está relacionada com o número de eletrons N no feixe por: O valor de  está no intervalo de 2.2 a 2.5 para a maioria dos monitores de vídeo. O número de eletrons é proporcional a voltagem da grade, que é proporcional ao valor V do pixel: A compensação do valor do pixel através da look-up table é chamada de correção gama.

Dithering Quando se quantiza para 1 bit, o erro é muito grande (xerox). Como expandir o intervalo de intensidades? Percepção de contorno praticamente não é detectada com 32 níveis, e desaparece com 64 níveis de intensidade. Para um monitor de vídeo, mais níveis são necessários devido a um intervalo dinâmico maior (razão entre a intensidade máxima e mínima).

Aproximação de meio-tom. Na impressão em papel (jornal) esta técnica é usada para criar tons de cinza a partir de pontos cuja área varia de acordo com a negritude (1 – I) da fotografia original. Os padrões formam um ângulo de 45 graus com a horizontal (ângulo de tela). Em jornal, são usadas de 60 a 80 áreas, de tamanho e forma variadas, por polegada e em revistas e livros de 110 a 200 por polegada.

Padrão de meio-tom aumentado.

Fotografia original e reproduzida com 4 níveis de intensidade.

Fotografia reproduzida com 8 e 16 níveis de intensidade.

Fotografia reproduzida com 32 e 64 níveis de intensidade.

Fotografia digitalizada com 351 x 351 pixels e impressa com padrão de dither 2x2.

Imagem de meio-tom para comparação de dithering (Cândido Portinari: carvão - 2400dpi x 150 lpi).

Quantização de 2 níveis com limiar de 50% (xerox).

Pseudo-código para quantização uniforme. color_intensity = f[x][y]; if (color_intensity < average_intensity ) color_intensity = 0; else color_intensity = 1;

Modulação aleatória. color_intensity = f[x][y] + random(); A perturbação aleatória descorrelaciona a intensidade do pixel a do seu vizinho. O contorno de quantização passa a ser uma curva desconexa. A variável aleatória está uniformemente distribuída no intervalo de intensidades. Introduz ruído branco.

Dithering por modulação aleatória.

Dithering Periódico. Dithering ordenado usa perturbação determinística com média nula e coerência espacial. A imagem é particionada em blocos contíguos de ordem N. Cada bloco é associado a uma matriz de dither. Com aglomeração: indicado para dispositivos sem precisão absoluta na colocação do pixel.

Dithering ordenado. i = k % N; j = l % N; if ( f[k][l] > D[i][j] ) P[k][l] = 1; else P[k][l] = 0; 37 níveis, média 18.5 35 30 18 22 31 36 29 15 10 17 21 32 14 9 5 6 16 20 13 4 1 2 11 19 28 8 3 7 24 25 34 27 12 23 26 33

Dithering ordenado com aglomeração de pixels.

Variação da célula de dithering ordenado – 5, 10 e 20 lpi. Freqüências de tela ideais variam de 120 a 150 lpi.

Dithering ordenado com dispersão pontual (Bayer). Indicado para dispositivos com precisão absoluta no posicionamento dos pixels (monitores). Em geral, há uma troca de resolução espacial por resolução de intensidades de cor. Um pixel da imagem é substituído por uma matriz n x n, produzindo n²+1 níveis de intensidade.

Exemplo com 5 níveis. 1 2 3 4

Dithering de Bayer de ordem 4.

Algoritmo de Floyd-Steinberg. if ( I[x][y] < 0.5 ) P[x][y] = 0; else P[x][y] = 1; erro = P[x][y] – I[x][y]; // maior erro na diagonal I[x+1][y] = I[x+1][y] + 3/8 * erro; I[x][y+1] = I[x][y+1] + 3/8 * erro; I[x+1][y+1] = I[x+1][y+1] + 2/8 * erro;

Floyd-Steinberg.

Dithering com curva de Peano e aglomerado de 7 pixels.

Dithering com curva de Peano e aglomerado de 3 pixels.