A Formação da Imagem Digital Asla Medeiros e Sá

Apresentação Computação Gráfica Visão Computacional Gera imagens sintéticas manipulando objetos gráficos Visão Computacional Processa imagens colhidas de uma cena real com intenção interpretativa (exemplo: movimento autônomo de robôs guiados por câmeras)

Novas áreas de pesquisa Fotografia Computacional Extrair informações complementares da cena a partir de fotografia (exemplo: fotografia 3D) Fotografia Digital Produzir imagens melhores do ponto de vista fotográfico Video!

O que é imagem digital Representação matricial Bits/bytes/Megabits... Cada canal de cor é uma matriz de n por m valores (correspondentes aos pixels) Bits/bytes/Megabits... Lembrar que computadores operam em base 2! 0/1 = bit, 8bits = byte, 2^20 = Megabyte RGB/CMYK e outros espaços Processamento digital Queremos modificar os números de forma a obter resultados que fazem sentido visualmente

Representação Matricial de Imagem 223 204 171 120 18 50 116 138 97 187 242 172 179 167 235 76 175 123 214 114 143 232 198 203 205 14 X 14 pixels, 1 canal

Base 2 Potências de 2: Usando 2 bits (total de números distintos = 4): 00 = 0+0 = 0 01 = 0+1 = 1 10 = 2+0 = 2 11 = 2+1 = 3 Potências de K: 1024 = 1K 1.048.576 = 1 Mega 1.073.741.824 = 1 Giga 1 2 4 8 16 32 64 128 256 512 1024 2048 4096 8192 16184 32368 64736... 8bits = byte Usando 8 bits (total de números distintos = 256): 01001110 = 0+64+0+0+8+4+2+0 = 78 1K Usando 16 bits (total de números distintos = 64.736): 0100010001001110 = 16184+1024+64+8+4+2=17.286

Brilho e Contraste no Monitor Curso Siggraph 2004 - Poynton

Brilho e Contraste no Photoshop Curso Siggraph 2004 - Poynton

Sensores

Foveon

Sensor Fujifilm

Problemas Aberração cromática:

Blooming e Aberração Cromática

Noise

Imagem com ruído impulsivo 223 204 171 120 18 50 116 138 97 187 242 172 179 167 235 76 175 123 214 114 143 232 198 203 205

There are two notions of gaussian here, related only by a vague analogy. I did this slide like this to put them clearly in apposition, because this point always confused me. There’s no particular reason that gaussian noise should attract smoothing with a gaussian kernel, just an irritating coincidence.

Exemplos de amostragens baixas

Aliasing devido a sub amostragem Se a taxa de amostragem é pequena as altas freqüências se reconstroem como baixas: Freqüências altas de uma cópia se somam a freqüências baixas das outras.

Aliasing A mistura de espectros é chamda de aliasing. Teorema de Amostragem: Para termos chance de reconstruir corretamente uma função… Ela tem que ter um limite na sua freqüência, fmax. A taxa de amostragem, fs, deve ser no mínimo 2fmax. Existem duas maneiras de lidarmos com aliasing. Passar um filtro passa-baixa no sinal. Aumentar a freqüência de amostragem.

Improperly rendered detail Efeito de alias Jagged boundaries Improperly rendered detail

Mais problemas… Moiré Na prática o que pode ser feito para alterar a taxa de amostragem? Ou seja, como evitar serrilhados e Moiré em um determinado detalhe desejado?

Formatos de Imagem RAW TIFF JPEG Indexados Formatos proprietários DNG e não proprietários TIFF TIFF (Tagged Image File Format) is a universal image format that is compatible with most image editing and viewing programs. It can be compressed in a lossless way, internally with LZW or Zip compression, or externally with programs like WinZip. While JPEG only supports 8 bits/channel single layer RGB images, TIFF also supports 16 bits/channel multi-layer CMYK images in PC and Macintosh format. TIFF is therefore widely used as a final format in the printing and publishing industry. Many digital cameras offer TIFF output as an uncompressed alternative to compressed JPEG. Due to space and processing constraints only the 8 bits/channel version is used in digital cameras. Higher-end scanners offer a 16 bits/channel TIFF option. If available, RAW is a much better alternative for digital cameras than TIFF. JPEG Indexados

O que está por vir... Imagens HDR Displays HDR Composição automática http://www.debevec.org/ Displays HDR http://www.cs.ubc.ca/~heidrich/Projects/HDRDisplay/ Composição automática http://grail.cs.washington.edu/projects/photomontage/ “Our higher cognitive functions constantly mediate our perceptions so that in photography, very often, what you get is decidedly not what you perceive. “What you get,” generally speaking, is a frozen moment in time, whereas “what you perceive” is some time- and spatially-filtered version of the evolving scene.” Melhorias de hardware...