João Luiz Fernandes e Aura Conci Universidade Federal Fluminense

Slides:



Advertisements
Apresentações semelhantes
Introdução ao Processamento de Imagens Digitais
Advertisements

Amintas engenharia.
Operações envolvendo imagens
Reconhecimento de Padrões Métodos, Técnicas e Ferramentas para Aprendizado e Classificação de Dados Módulo II Introdução ao Processamento de Imagens.
Lógica Fuzzy Aplicada a Sistemas de Diagnóstico
2 de Junho de 2005Conclusão1 Pedro Barahona DI/FCT/UNL Junho 2005.
1 Conclusão DI/FCT/UNL 1º Semestre 2004/ Ciclos de Simulação A técnica usada no exemplo da queda livre pode ser utilizada para trajectórias a duas.
Capítulo 3 - Aplicações das Derivadas
MÉTODOS MATEMÁTICOS EM BIOLOGIA
PERCEPTRON (CONTINUAÇÃO)
O capítulo 3 trata de transformações de intensidade
Filtros de Convolução (Processamento de Imagens)
Mutação de Interface Interface Mutation: An Approach for Integration Testing Marcio E. Delamaro José C. Maldonado Aditya P. Mathur.
The Cyclops Project German-Brazilian Cooperation Programme on IT CNPq GMD DLR Visão Computacional Prof. Dr. rer.nat. Aldo von Wangenheim.
Resíduos Morfológicos e Aplicações em Filtragem e
Segmentação de imagens
Michele Mengucci CVRM-Centro de Geo-Sistemas IST Lisboa
O COEFICIENTE DE HURST E O COEFICIENTE DE VARIAÇÃO ESPACIAL NA SEGMENTAÇÃO DE TEXTURAS MULTIESPECTRAIS Dra Aura Conci Éldman Oliveira Nunes.
Geoestatística Aplicada à Agricultura de Precisão II
Reconhecimento de Padrões Segmentação
Medida do Tempo de Execução de um Programa
Medida do Tempo de Execução de um Programa
Iana Alexandra Alves Rufino
Modelagem e simulação de sistemas
Carolina Fonseca Neumar Ribeiro
TESE DE MESTRADO APLICAÇÃO DE REDES NEURAIS DE
Simulação de Sistemas Prof. MSc Sofia Mara de Souza AULA2.
Integrando Textura e Forma para a Recuperação de Imagens por Conteúdo
Fundamentação Teórica
Filtros I: o domínio espacial. FILTROS I: o domínio espacial.
Tipos de Melhoria Contínua
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA
A Estatística é um ramo da Matemática Aplicada e teve origem (assim como a própria Matemática) do convívio social, das trocas da contagem; tudo baseado.
Experimentos Fatoriais
Seminário Introdução à Visão Computacional
Carlos Oliveira Descrição e Objetivo Considerações Etapas consideradas Resultados obtidos Melhoramentos.
Aula 03 – BCC202 Análise de Algoritmos (Parte 1) Túlio Toffolo www
Fernando Carvalho, João Manuel R. S. Tavares
Avaliação de Desempenho Planejamento de Experimentos 3
Universidade Federal de São Carlos – Campus Sorocaba
Inteligência Artificial
Objetivo Nosso objetivo é desenvolver uma proposta de aula simples, utilizando alguns recursos do software graphmatica (na verdade o utilizaremos apenas.
Teste de Software Conceitos iniciais.
Revisão Geral Técnicas de Realce Histogramas
Image Based Cartoon Style Rendering Jeronimo Silvério Venetillo Fabio Issao Nakamura.
Matemática Financeira
Trabalho Prático II Detecção e reconexão de Contornos MC920 - Introdução ao processamento de imagens Bruno Malveira - RA Carolina Michelassi - RA
OS ELEMENTOS ESSENCIAIS V
Best Combination of Binarization Methods for License Plate Character Segmentation (2013) - Resumo Vinicius Queiroz e Vinicius M. de Almeida.
INE Fundamentos de Matemática Discreta para a Computação
2.3 Experimentos Fatoriais 22 Efeitos das Interações
Segmentação de Fundo Marcelo Gonella
Algemiro Augusto Professor: Marcelo Gattass
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento.
Turmas A e B SEGUNDO BIMESTRE MATERIAL PARA ESTUDO
Rafael Felipe Sawitzki
Parte 2. Operações Topológicas
Biometria Reconhecimento de Assinaturas
Operações espaciais Modelação Cartográfica. Dados de entrada e de saída Dados de entrada Operações Dados intermédios Dados de saída.
Seminário Introdução à Visão Computacional - The Cyclops Project - CPGCC - INE -UFSC.
Segmentação de imagens segmentação Pré-processamento descrição / análise Não existe uma única e definitiva abordagem ao problema da segmentação A descrição.
Usando Excel Prof. Rosemberg Trindade. Parte 1 Representação tabular de distribuição com variáveis discretas e contínuas.
Introdução à Engenharia de Computação
Filtragem de Imagens CONCI, A. AZEVEDO, E. e LETA, F
Proposta de trabalho: Calibração de câmera
PREPARAÇÃO DE UM ARTIGO CIENTÍFICO
Programação p/ INTERNET - HTML Prof. João Ricardo Andrêo 30/5/ :10 1 Listas Numeradas As listas numeradas funcionam da mesma forma que as listas.
Testes de Unidade. 2 Pauta Testes de Unidade; Testes de Unidade; Desenvolvimento orientado a testes; Desenvolvimento orientado a testes; Testes unitários.
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DEPARTAMENTO DE ENGENHARIA MECÂNICA LABORATÓRIO DE MECÂNICA DOS FLUIDOS ME36L – TRANSMISSÃO DE CALOR I PROF.
Transcrição da apresentação:

João Luiz Fernandes e Aura Conci Universidade Federal Fluminense Controle de Qualidade de Padrões Gráficos Através da Utilização do Gradiente Morfológico João Luiz Fernandes e Aura Conci Universidade Federal Fluminense

Resumo A Morfologia Matemática pode ser definida como uma ferramenta que objetiva extrair características de forma e estrutura em imagens digitais, para utilização em diversas aplicações de processamento de imagens. Erosão e Dilatação são as operações elementares da Morfologia Matemática e podemos encontrar um grande número de outros operadores definidos a partir destas operações. O Gradiente Morfológico é uma dessas operações, que em imagens em tons de cinza, destaca as transições relevantes dos diversos níveis. Neste trabalho, propomos o seu uso para controle de qualidade de estamparias coloridas.

Introdução Na Morfologia Matemática o elemento estruturante é de suma importância nas operações e pode ser entendido como um conjunto completamente conhecido, a ser operado com o conjunto desconhecido da imagem. Para imagens em tons de cinza, as operações básicas envolvem cálculos relacionados à verificação de máximos ou de mínimos, e a imagem resultante apresenta uma nova configuração dos níveis de cinza, de acordo com as condições da operação. Em imagens coloridas utilizamos as mesmas definições desenvolvidas anteriormente, aplicadas a cada canal de cor separadamente.

Operadores Morfológicos Para definir os operadores morfológicos básicos aplicados a imagens em níveis de cinza esta é considerada uma função na forma: f ( x , y ) e o elemento estruturante outra função na forma: b ( x , y ) onde x , y  Z. O elemento estruturante também pode ser considerado como uma imagem, ou como uma sub-imagem, já que, na maioria das aplicações, apresenta dimensões bem menores do que imagem de entrada a ser analisada. As funções f e b representam valores inteiros para os níveis de cinza correspondentes a cada pixel ( x , y ).

Dilatação A Dilatação de f por b, denotada por: é definida como : onde Df e Db são os domínios das funções f e b, respectivamente e “max” representa o máximo valor entre os resultados. EFEITO: Se todos os valores de b são positivos, a imagem depois de operada tende a ser mais clara do que a imagem de entrada (níveis mais altos de cinza) e detalhes escuros na imagem de entrada serão reduzidos ou totalmente eliminados, dependendo, é claro, do tamanho do elemento estruturante

Resultado da Dilatação em uma Imagem B C (A) Imagem original. (B) Imagem dilatada (C) Imagem dilatada por elemento 3x3{1}. por elemento 3x3{50}).

Resultado da Dilatação em Imagens coloridas A - Flores. Imagem original B C D E (B),(C) e (D) Dilatação com elemento estruturante 3x3{1} para os canais red, green e blue respectivamente. (E) Imagem resultante da combinação de (b),(c) e (d).

Erosão A Erosão de f por b, denotada por , é definida como: onde, Df e Db são os domínios de f e b, respectivamente e “min” representa o mínimo do valor resultante. EFEITO: Se todos os pixels do elemento estruturante são positivos, a imagem resultante tende a ser mais escura do que a imagem de entrada, e os detalhes “brilhantes” da imagem inicial são reduzidos ou eliminados, dependendo, logicamente, dos valores dos pixels e da forma do elemento estruturante.

Exemplo erosão da Imagem Lena B (A) usando elemento estruturante 3x3{1}. (B) com elemento 3x3{50}.

Exemplo de erosão – Imagens Coloridas B C D (A), (B) e (C) Erosão da imagem Flores nos canais red, green e blue pelo elemento estruturante 3x3{1}. (D) Resultado da combinação dos canais.

Gradiente Morfológico - definição O Gradiente, denotado por g, pode ser calculado como: onde “ ” representa uma Dilatação, “ ” representa a operação de Erosão e “ ” a subtração dos valores correspondentes aos pixels tratados. EFEITO: O processo destaca as transições entre os níveis de cinza (contornos) O resultado da operação depende do elemento estruturante utilizado. Para mostrar contornos delgados e bem definidos, o ideal é utilizar um elemento pequeno. Também é interessante notar que a simetria do elemento vai fazer com que o resultado da operação tenda a depender menos dos aspectos direcionais das bordas.

Exemplo do Gradiente em nivel de cinza B C D Gradiente morfológico aplicado à imagem Lena com diferentes elementos estruturantes: (A) 2x2{1}. (B) 3x3{1}. (C) 4x4{1}. (D)5x5{1}.

Exemplo do Gradiente em Imagens Coloridas B C D Gradiente morfológico usando elemento estruturante 2x2{1}. (A),(B) e (C) Canais red, green e blue. (D) Gradiente combinado dos três canais da imagem.

Índices de Controle de Qualidade No controle automatizado para reprodução de imagens baseado na comparação com um padrão (visando a detecção de possíveis falhas em um processo de produção em série), são criados índices comparativos, de modo a rejeitar ou aceitar uma imagem-teste, de acordo com o grau de semelhança com a imagem padrão. Assim, uma estampa “aceita” é aquela que se enquadra dentro dos níveis estéticos de semelhança e uma estampa “rejeitada” é aquela que apresenta defeitos que inviabilizariam sua utilização, por exemplo, para fins comerciais.

Índices de Controle de Qualidade Um processo usual de comparação entre duas estampas é simplesmente computar diferenças entre os valores dos pixels. Assim, se fp(x,y) é a imagem padrão e ft(x,y) é a imagem a ser testada, temos que: onde Id é o índice calculado a partir do valor absoluto das diferenças entre os pixels das imagens (com tamanho N x M)

Índices de Controle de Qualidade Numa alternativa a esse processo propomos utilizar o Gradiente das estampas. Nesse caso, a partir das imagens resultantes do Gradiente Morfológico, realizamos uma avaliação quantitativa para os pixels pertencentes aos contornos e criamos um índice de diferenças dado por: onde Np e Nt representam o número de pixels pertencentes aos contornos das imagens padrão e teste, respectivamente.

Detalhes sobre o índice proposto: Uma questão importante para cálculo dos valores de Np e Nt é decidir quais são os pontos pertencentes aos contornos das imagens. O problema está em separarmos os pixels do fundo e das bordas, e a maneira mais simples de realizar essa operação é a partir da limiarização das imagens do Gradiente. Assim, assumimos que os pixels pertencentes às bordas são aqueles com valores acima de um determinado limiar (threshold). Para imagens coloridas, teremos um índice para cada canal de cor e todos os números deduzidos devem estar abaixo de um determinado limite, para que uma imagem teste seja aceita.

Detalhes sobre o índice proposto (cont.) Através da experimentação verificamos que, na obtenção do Gradiente, a utilização de elementos estruturantes pequenos (proporcionalmente ao tamanho das imagens) e simétricos produz melhores resultados, já que estes elementos permitirão contornos delgados e uniformes. O valor utilizado na operação de limiarização do Gradiente é bastante dependente dos valores dos pixels do elemento estruturante. Constatamos que, para elementos com valor 1 em todos os pixels, o nível de cinza 40 é adequado para o processo. Também através dos experimentos foi observado que, tanto para o índice Ig como para Id, o limite a ser utilizado para aceitar ou não uma imagem teste pode ser fixado em 0,03 (3 %), nos três canais de cor.

Experimentos: Imagem Flores. b c d e f g h (a) Imagem padrão . Imagens Aceitáveis: (d) e (f). Demais recusáveis.

Experimentos: Imagem Rótulo. b c d e f (a) Imagem padrão. (d) e (e) Imagens aceitáveis. Demais são recusáveis.

Experimentos com método usual Índice Id calculado para as imagens em teste. As linhas sombreadas na tabela indicam resultado fora do padrão esperado.

Experimentos usando o método proposto Índice Ig calculado para as imagens. Todos os testes estão de acordo com a inspeção visual.

Conclusões A idéia de uso do Gradiente Morfológico no auxílio ao processo de controle de qualidade de estamparia colorida, é proposto e testado. O método proposto se mostrou adequado e eficiente, produzindo melhores resultados do que técnicas tradicionais baseadas apenas na diferença entre as estampas. No entanto, não foi considerado, a influência da forma do elemento estruturante nos resultados obtidos . Um elemento em cruz (ou circular), por exemplo, poderia realçar detalhes que tornariam o método mais preciso, dependendo da estamparia.

Sugestões para trabalhos futuros Como extensão, sugerimos um tratamento estatístico dos resultados alcançados a partir de situações distintas, obtendo assim, uma avaliação da aplicabilidade do método em diversos tipos de imagens. Outro ponto a considerar é a eficiência do algoritmo na operação do Gradiente, pois detalhes relacionados à eficiência do processo podem ser de suma importância para sua aplicabilidade prática em chão de fábrica em tempo real.