Trabalho 2 de FCG Leitura de QR Codes

Slides:



Advertisements
Apresentações semelhantes
Operações envolvendo imagens
Advertisements

10º CAPÍTULO Segmentação de imagem.
Visualização de Imagens HDR
The Cyclops Project German-Brazilian Cooperation Programme on IT CNPq GMD DLR Visão Computacional Prof. Dr. rer.nat. Aldo von Wangenheim.
Segmentação por limiarização (thesholding)
Convolução.
Reconhecimento de Padrões Segmentação
Ismael Andrade Pimentel Departamento da Eng. Mec
Trabalho 1 – Detecção de movimento através de subtração de fundo
Segmentação de Imagens
Algemiro Augusto Professor: Marcelo Gattass
Padrões GoF - Strategy.
Quick Response Code Tópicos Etapa 1
Dissertação de Mestrado Michel Alain Quintana Truyenque
Análise de Histograma para segmentação de fundo de imagens
Avaliação de Desempenho e Potência de Mecanismos de Comunicação
Porto Alegre, 5 de Outubro de 2009
Apresentação de uma metodologia de detecção e correção de falhas presentes na estrutura física de formulários de tipo Tabela. Estas falhas são oriundas.
Crescimento de Funções
Introdução ao Processamento Digital de Imagens
Seminário de Andamento Módulo: Merge Grupo 5 André Ribeiro Coelho Rafael de Souza Santos.
Experiments with Strassen’s Algorithm: from sequential to parallel
Nome: Rafael Baeta Orientador: Dr. David Menotti
Aprendizado de Máquina
Autores: Jean Suellen Silva de Almeida Victor Hugo Cunha de Melo
Simulação e Otimização
Alexandre Xavier Falcão & David Menotti
CLUSTERING: UMA REVISÃO AOS ALGORITMOS BÁSICOS
Aprendizado Baseado em Instâncias – Algoritmo k-NN
Customização de Formas Animais
Tópicos Avançados de Base de Dados
Equalização dos Histogramas em Imagens
Reconhecimento de códigos QR
Sistemas Operacionais
Aluno: Rodolfo A. L. Costa Orientador: Prof. Frederico G. Guimarães
Marcus Vinicius Silva Soares Orientador: Luiz Merschmann Outubro / 2010.
Trabalho de Imagem Felipe Baldino Moreira Prof: Marcelo Gatass.
Segmentação de Imagens
Estimação da direção de múltiplas fontes de luz Baseado no artigo Estimation of Illuminant Direction and Intensity of Multiple Light Sources, de W. Zhou.
Uso de Sistemas Imunológicos Artificiais para Detecção de Falhas em Plantas da Indústria de Petróleo. Aluno: Alexandre Willig Quintino dos Santos Orientador:
Fernando Carvalho, João Manuel R. S. Tavares
Usando contornos ativos para detectar movimento
Aprendizado de Máquina
Fotografia automática
Introdução ao Processamento Digital de Imagens Clayton de Medeiros Vasconcelos Centro Brasileiro de Pesquisas Físicas CAT- Out
Reconstrução Tridimensional usando IPP Trabalho final do curso de Visão Computacional DCC / UFMG Apresentação: Antônio Wilson Vieira.
Classificação de imagens de fotografias históricas usando detecção de linhas e paralelogramos pela presença de edifícios Natália Cosse Batista Grupo 8.
DETECÇÃO DE BORDAS.
Ademir Rafael Marques Guedes
Reconhecimento e Verificação de Assinaturas
Apresentação do Artigo: Gradient Field Descriptor for Sketch Based Retrieval and Localization RUI HU, MARK BARNARD AND JOHN COLLOMOSSE CENTRE FOR VISION,
Revisão Geral Técnicas de Realce Histogramas
Estimação Bayesiana de Sinais Baseada em Ôndulas Mário A. T. Figueiredo Instituto de Telecomunicações, and Departamento de Engenharia Electrotécnica e.
VIOLENT VIDEO DETECTION BASED ON MoSIFT FEATURE AND SPARSE CODING Long XuChen GongJie YangQiang WuLixiu Yao Aluno: Rómulo Ramos Avalos.
Introdução ao Processamento Digital de Imagens
Best Combination of Binarization Methods for License Plate Character Segmentation (2013) - Resumo Vinicius Queiroz e Vinicius M. de Almeida.
Segmentação de Fundo Marcelo Gonella
Digital Image Processing, 2nd ed. © 2002 R. C. Gonzalez & R. E. Woods 4. Image Enhancement in the Spatial Domain 4. Image Enhancement.
Manuel Loaiza Marcelo Gattass Alberto Raposo
Prof. Marcelo Gattass Gustavo Lopes Mourad.
Prof. Marcelo Gattass Gustavo Lopes Mourad.
Processamento de Imagens Segmentação
Processamento de Imagens e Computação Gráfica
1 Reunião do Grupo de Estudos do Serviço de Informática do InCor Artigo-base: Nonparametric Snakes (Umut Ozertem e Deniz Erdogmus) 28 de março de 2008.
Ordenação Professor Paulo Gomide 27 de outubro de 2015.
FCG QR-CODE Aluno: Jeronimo Sirotheau de Almeida Eichler.
Fundamentos da Computação Gráfica PUC-Rio – Pontifícia Universidade Católica do Rio de Janeiro DI – Departamento de Informática Mestrado em Informática.
Apresentação do Projeto de Pesquisa da Disciplina de Resolução de Problemas 2 Algoritmos Genéticos aplicados à aproximação de funções.
Processamento de Imagens e Computação Gráfica
Professor: Gerson Leiria Nunes.  Processamento de imagens  Trabalhando com imagens  Problemas típicos  Aplicações  Comandos básicos matlab.
Transcrição da apresentação:

Trabalho 2 de FCG Leitura de QR Codes Prof. Marcelo Gattass 0821369 - Gustavo Lopes Mourad

Primeiros passos Baseado no artigo de Liu [1] temos que: Converter a imagem em grayscale Binarizar a imagem Criar um histograma da imagem Estimar um nível de thresholding Transformar a imagem em preto-e-branco dependendo do nível de thresholding estimado

Binarização Por que binarizar? Maior resolução e níveis de quantização implicam em mais dados e complexidade A binarização gera algoritmos mais eficientes, pois pode-se usar operadores lógicos e armazenar os dados de forma mais barata A silhueta dos objetos é suficiente para identificação dos mesmos

Experiências Estimativas de thresholding Média do histograma Método de Otsu Método de Otsu aplicado separadamente em várias partes da imagem Black Point Estimation Method

Experiências Estimativas de thresholding Média do histograma Equivalente a uma busca gaussiana Divide o espectro em 5 partes (bins) e retorna a média ponderada de cada parte.

Experiências Estimativas de thresholding Método de Otsu [3] Minimizar a variância intra-classe é o mesmo que maximizar a variância inter-classe (preto e branco) Usa o histograma normalizado

Experiências Estimativas de thresholding Método de Otsu aplicado em separado a várias partes da imagem Tentativa de diminuir os efeitos das variações de brilho no cálculo 8x, 16x, 32x, 128x

Experiências Estimativas de thresholding Black Point Estimation Method [2] Encontra o valor em um vale entre dois picos do histograma Não funciona bem com imagens que tem no histograma os dois maiores picos muito próximos

Resultados Original Histograma Otsu Otsu 8x Otsu 16x Black Point

Resultados Original Histograma Otsu Otsu 8x Otsu 16x Black Point

Resultados Original Histograma Otsu Otsu 16x Black Point

Resultados Original Histograma Otsu Otsu 16x Black Point

Resultados Original Histograma Otsu Otsu 16x Black Point

Resultados Otsu aplicado a 128 quadrados de cada imagem

Referências [1] Liu, Y; Liu, M; Automatic Recognition Algorithm of Quick Response Code Based on Embedded System; Proceedings of the Sixth International Conference on Intelligent Systems Design and Applications (ISDA'06), 2006 [2] Neira, J; Notas de Aula: “Lesson 1: Thresholding”; http://webdiis.unizar.es/~neira/12082/thresholding.pdf visitado em 25/04/2009 [3] Otsu, N; A threshold selection method from gray-level histograms, IEEE Trans. Sys., Man., Cyber. 9: 62–66, 1979