Scale-Invariant Feature Transform

Tamanho: px
Começar a partir da página:

Download "Scale-Invariant Feature Transform"

Transcrição

1 Scale-Invariant Feature Transform Renato Madureira de Farias Prof. Ricardo Marroquim Relatório para Introdução ao Processamento de Imagens (COS756) Universidade Federal do Rio de Janeiro, Brasil, Resumo O objetivo deste trabalho foi implementar o algoritmo conhecido como Scale-Invariant Feature Transform, ou SIFT [1][2]. Este algoritmo busca identificar os pontos chave de uma imagem e descrevê-los através de uma estrutura, chamada de feature vector, que seja invariante a translação, rotação, e (parcialmente) iluminação. Posteriormente, os feature vectors de duas imagens podem ser comparados afim de encontrar correspondências. 2. Algoritmo O algoritmo consiste numa série de passos: 1) Gerar espaço de escalas; 2) Calcular Difference of Gaussians (DoGs); 3) Encontrar pontos extremos (máximos e mínimos); 4) Identificar orientação principal dos extremos; e 5) Criar descritores. Todos os passos são detalhados abaixo. A entrada do algoritmo é uma imagem em tons de cinza na qual deve ser aplicado um filtro Gaussiano inicial. Usamos σ = 1.0 para este borramento inicial Gerar espaço de escalas. O primeiro passo é gerar o espaço de escalas da imagem. O espaço de escalas consiste num certo número de oitavas, sendo que cada oitava contém um certo número de escalas. As imagens dentro de uma oitava sofrem borramentos (através do filtro Gaussiano) progressivamente maiores. As imagens de cada oitava têm metade do tamanho das imagens da oitava anterior, sendo que a primeira oitava começa com o dobro do tamanho da imagem original. Então, a segunda oitava possui o tamanho da imagem original, a terceira oitava possui metade do tamanho da imagem original, etc. Neste trabalho, usamos 4 oitavas com 5 escalas cada, conforme a sugestão do autor do

2 algoritmo [1]. O σ inicial de uma oitava é 1.6, e a cada escala o multiplicamos 2. Note que a primeira escala de cada oitava (a partir da segunda) é na verdade a terceira escala da oitava anterior (com metade do tamanho). Isso é porque o autor sugere que o borramento da escala de uma oitava deve ser o dobro da escala equivalente da oitava anterior Calcular Difference of Gaussians (DoGs). O segundo passo consiste em subtrair os pares de escalas adjacentes de cada uma das oitavas. As imagens resultantes, representando a diferença entre uma aplicação do filtro Gaussiano e o próximo, são chamadas de Difference of Gaussians. Obviamente, cada oitava possui um número de DoGs igual ao número de escalas menos 1. Figura 1: Espaço de escalas e Difference of Gaussians. Fonte: [1] Encontrar pontos extremos (máximos e mínimos). No terceiro passo, procuramos nas DoGs do passo anterior pontos que descrevem bem a imagem. Consideramos que, para um ponto descrever bem a imagem, ele precisa ter sobrevivido nas várias escalas, e ser o máximo ou mínimo dentre seus 26 vizinhos (8 vizinhos da mesma escala, 9 vizinhos da escala de cima, e 9 vizinhos da escala de baixo). Os pontos encontrados neste passo são guardados, junto com informação sobre em qual oitava, escala, e posição foram encontrados. Note que extremos não podem ser encontrados no primeiro e último DoGs, já que 3 escalas são necessárias para a busca.

3 Figura 2: Um extremo precisa ser maior (ou menor) do que seus 26 vizinhos. Fonte: [1] Identificar orientação principal dos extremos. No quarto passo, encontramos a orientação principal dos pontos do passo anterior. Fazemos isso construindo um histograma dos gradientes e suas magnitudes em torno do ponto, usando as imagens do espaço de escalas. O tamanho da janela em torno do ponto que consideramos para construir o histograma é igual ao tamanho do kernel do filtro Gaussiano com o σ (multiplicado por 1.5) usado nesta escala. As orientações são divididas em 36 caixas, cada uma representando uma faixa de 10o (a primeira contém a soma das magnitudes das orientações de 0o-9o, a segunda de 10o-19o, e assim por diante). Uma vez feito isso, procuramos no histograma a caixa com maior magnitude. Usando esta magnitude e as magnitudes das caixas adjacentes como se fossem 3 pontos no plano XY, encaixamos uma parábola invertida neles de forma a encontrar o melhor valor desta orientação. Esta orientação gera um ponto chave da imagem que será usada no último passo. Note que este processo se repete para magnitudes que tenham pelo menos 80% do valor da maior magnitude. Em outras palavras, um ponto extremo gera no mínimo um ponto chave, mas pode gerar mais se possui mais do que uma orientação dominante Criar descritores. O quinto e último passo consiste em criar os descritores da imagem para cada ponto chave do último passo. Um descritor guarda a posição de um ponto na imagem original, e um feature vector que descreve sua vizinhança. Usamos uma janela 16x16 em torno do ponto, dividida em quatro janelas 4x4.

4 Para cada janela 4x4, criamos um histograma, como no passo anterior, porém com 8 caixas em vez de 36, e usamos um filtro Guassiano com σ igual a metade da dimensão da janela (nesse caso, 8) para pesar as magnitudes. O resultado é um vetor que guarda todos os 16 histogramas, cada um com 8 caixas, para um total de 128 posições. Este vetor é o feature vector. Figura 3: Exemplo visual da construção da janela, considerada aqui como sendo 8x8 dividida em 4 janelas 4x4, em vez de 16x16 dividida em 16 janelas 4x4. Fonte: [1]. Note que a orientação principal deve ser subtraída de cada orientação da janela, para que as orientações do histograma fiquem relativas à orientação principal. Pelo mesmo motivo, as coordenadas dos pontos da janela precisam ser rotacionadas em torno do ponto chave usando uma matriz de rotação com a orientação principal. Essas duas ações visam obter invariância à rotação. Uma vez que temos o feature vector calculado, normalizamos seus valores, depois reduzimos a 0.2 qualquer valor acima de 0.2, e normalizamos o vetor de novo. Isso visa obter invariância à iluminação na imagem. 3. Comparação Uma vez que se tenha os feature vectors de duas imagens, uma comparação entre elas pode ser feita. O método de comparação que usamos é bastante simples, e consiste em simplesmente calcular a distância Euclideana entre os vetores, em 128D. Comparamos todos os feature vectors de uma imagem com todos da outra imagem; uma correspondência existe quando um ponto da primeira imagem encontra outro da segunda imagem como vizinho mais próximo, e vice versa. Para verificar as correspondências visualmente, usamos o algoritmo clássico de Bresenham para desenhar uma linha entre os dois pontos, lembrando que temos a posição dos pontos guardados no descritor que também possui o feature vector.

5 4. Resultados Figura 4: A segunda imagem sofreu um pequeno crop em relação à primeira. Figura 5: A segunda imagem sofreu uma redução de tamanho em relação à primeira. Figura 6: As duas imagens sofreram crops em lugares diferentes.

6 Figura 7: A segunda imagem foi invertida na vertical. 5. Conclusão A implementação resultante apresentou resultados razoáveis, como se pode ver na seção anterior. A invariância a translação foi facilmente alcançada. Já a invariância a rotação foi parcialmente alcançada, e foi a parte mais demorada da implementação. O algoritmo ainda apresenta um número significativo de erros ao comparar os feature vectors de duas imagens idênticas, sendo uma delas invertida na vertical. A invariância a iluminação não foi testada com o conjunto de imagens teste usado neste trabalho. 6. Trabalhos Futuros A invariância a rotação ainda é uma área do trabalho que pode ser melhorada. O método de comparação também não é muito esperto, podendo render falsos positivos pelo simples fato de que pontos chave acabam encontrando um vizinho mais próximo na maior parte do tempo, mesmo que não sejam tão próximos. Talvez um limiar possa ser desenvolvido para rejeitar certas correspondências, como as de pontos que só existem numa imagem.

7 7. Referências [1] Lowe, David G Distinctive Image Features from Scale-Invariant Keypoints. [2] Lowe, David G Object Recognition from Local Scale-Invariant Features. [3] Sinha, Utkarsh. O site tem uma série de tutorials sobre o SIFT que ajudaram muito a compreensão do algoritmo.

Processamento de Imagens COS756 / COC603

Processamento de Imagens COS756 / COC603 Processamento de Imagens COS756 / COC603 aula 03 - operações no domínio espacial Antonio Oliveira Ricardo Marroquim 1 / 38 aula de hoje operações no domínio espacial overview imagem digital operações no

Leia mais

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada

Leia mais

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade

Leia mais

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade Federal do Rio de Janeiro - IM/DCC & NCE Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros

Leia mais

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em

Leia mais

Que imagens têm ou não têm simetria?

Que imagens têm ou não têm simetria? O mundo da simetria Que imagens têm ou não têm simetria? Isometrias Isometria: Transformação geométrica que preserva as distâncias; as figuras do plano são transformadas noutras geometricamente iguais.

Leia mais

Trabalho 2 Fundamentos de computação Gráfica

Trabalho 2 Fundamentos de computação Gráfica Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho

Leia mais

PARA A CONSTRUÇÃO DOS GRÁFICOS

PARA A CONSTRUÇÃO DOS GRÁFICOS 1 PARA A CONSTRUÇÃO DOS GRÁFICOS Apresentamos dois materiais feitos por estudantes do Curso de Psicologia da Faculdade de Ciências Humanas e da Saúde para construção de gráficos. As instruções das páginas

Leia mais

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano

Leia mais

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características

Leia mais

Morfologia Matemática Binária

Morfologia Matemática Binária Morfologia Matemática Binária Conceitos fundamentais: (Você precisa entender bem esses Pontos básicos para dominar a área! Esse será nosso game do dia!!! E nossa nota 2!!) Morfologia Matemática Binária

Leia mais

Soluções Nível 1 5 a e 6 a séries (6º e 7º anos) do Ensino Fundamental

Soluções Nível 1 5 a e 6 a séries (6º e 7º anos) do Ensino Fundamental a e 6 a séries (6º e 7º anos) do Ensino Fundamental 1. (alternativa C) Os números 0,01 e 0,119 são menores que 0,12. Por outro lado, 0,1 e 0,7 são maiores que 0,. Finalmente, 0,29 é maior que 0,12 e menor

Leia mais

Cálculo do conjunto paralelo

Cálculo do conjunto paralelo Cálculo do conjunto paralelo Vamos usar letras maiúsculas A; B, etc para representar conjuntos e letras minusculas x, y, etc para descrever seus pontos. Vamos usar a notação x para descrever a norma de

Leia mais

Processamento de Imagens COS756 / COC603

Processamento de Imagens COS756 / COC603 Processamento de Imagens COS756 / COC603 aula 10 - sugestões de trabalhos Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje exemplos de projetos panorâmica (mosaico) deteção de faces extração de características

Leia mais

Aritmética Binária e. Bernardo Nunes Gonçalves

Aritmética Binária e. Bernardo Nunes Gonçalves Aritmética Binária e Complemento a Base Bernardo Nunes Gonçalves Sumário Soma e multiplicação binária Subtração e divisão binária Representação com sinal Sinal e magnitude Complemento a base. Adição binária

Leia mais

Álgebra Linear I Solução da 5ª Lista de Exercícios

Álgebra Linear I Solução da 5ª Lista de Exercícios FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Engenharia de Produção Curso de Graduação em Engenharia Ambiental e Sanitária

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Processamento de Imagens Digitais

Processamento de Imagens Digitais Processamento de Imagens Digitais Redução de Ruídos - Filtros Espaciais "Passa-Baixa" Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 1 de 7 Ruído em Imagens Digitais As imagens

Leia mais

casa. Será uma casa simples, situada em terreno plano, com sala, dois quartos, cozinha, banheiro e área de serviço.

casa. Será uma casa simples, situada em terreno plano, com sala, dois quartos, cozinha, banheiro e área de serviço. A UUL AL A A casa Nesta aula vamos examinar a planta de uma casa. Será uma casa simples, situada em terreno plano, com, dois quartos, cozinha, banheiro e área de serviço. Introdução terreno 20 m rua 30

Leia mais

Implementação do algoritmo SIFT para detecção de objetos em imagens.

Implementação do algoritmo SIFT para detecção de objetos em imagens. Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ - Brasil Implementação

Leia mais

Encontrando a Linha Divisória: Detecção de Bordas

Encontrando a Linha Divisória: Detecção de Bordas CAPÍTULO 1 Encontrando a Linha Divisória: Detecção de Bordas Contribuíram: Daniela Marta Seara, Geovani Cássia da Silva Espezim Elizandro Encontrar Bordas também é Segmentar A visão computacional envolve

Leia mais

COMPUTAÇÃO GRÁFICA. Rasterização e Preenchimento de Regiões. MARCO ANTONIO GARCIA DE CARVALHO Fevereiro de 2009. Computação Gráfica

COMPUTAÇÃO GRÁFICA. Rasterização e Preenchimento de Regiões. MARCO ANTONIO GARCIA DE CARVALHO Fevereiro de 2009. Computação Gráfica COMPUTAÇÃO GRÁFICA Rasterização e Preenchimento de Regiões Objetivos Conhecer os fundamentos da construção de linhas e círculos Conhecer o modelo scan-line modelo de sementes para preenchimento de polígonos

Leia mais

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching"

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching" 1 Com suas palavras explique o que é Reconhecimento de Padrões- RP. Quais são os fases clássicas que compõem

Leia mais

Tratamento da Imagem Transformações (cont.)

Tratamento da Imagem Transformações (cont.) Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns

Leia mais

4 Avaliação Experimental

4 Avaliação Experimental 4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre

Leia mais

PROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012

PROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012 Departamento de Engenharia Electrotécnica PROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012 Mestrado Integrado em Engenharia Electrotécnica e de Computadores 1º ano 2º semestre Trabalho Final Reservas de viagens

Leia mais

Aula 02 Excel 2010. Operações Básicas

Aula 02 Excel 2010. Operações Básicas Aula 02 Excel 2010 Professor: Bruno Gomes Disciplina: Informática Básica Curso: Gestão de Turismo Sumário da aula: 1. Operações básicas; 2. Utilizando Funções; 3. Funções Lógicas; 4. Gráficos no Excel;

Leia mais

Reconhecimento de Objectos

Reconhecimento de Objectos Dado um conjunto de características, relativas a uma região (objecto), pretende-se atribuir uma classe essa região, seleccionada de um conjunto de classes cujas características são conhecidas O conjunto

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

Leia mais

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto. Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas

Leia mais

Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008

Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008 PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008 Deliverable: D1 - Clip-art Simplification Tool Task: T1 - Clip-art Simplification

Leia mais

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez Operações Algébricas e Lógicas Guillermo Cámara-Chávez Operações Aritméticas São aquelas que produzem uma imagem que é a soma, diferença, produto ou quociente pixel a pixel Operações Aritméticas Fig A

Leia mais

Processamento de histogramas

Processamento de histogramas REALCE DE IMAGENS BASEADO EM HISTOGRAMAS Processamento de histogramas O que é um histograma? É uma das ferramentas mais simples e úteis para o PDI; É uma função que mostra a frequência com que cada nível

Leia mais

Ajuda On-line - Sistema de Relacionamento com o Cliente. Versão 1.1

Ajuda On-line - Sistema de Relacionamento com o Cliente. Versão 1.1 Ajuda On-line - Sistema de Relacionamento com o Cliente Versão 1.1 Sumário Sistema de Relacionamento com Cliente 3 1 Introdução... ao Ambiente do Sistema 4 Acessando... o Sistema 4 Sobre a Tela... do Sistema

Leia mais

Tutorial de Física. Carga Elétrica e Lei de Coulomb.

Tutorial de Física. Carga Elétrica e Lei de Coulomb. Tutorial de Física Carga Elétrica e Lei de Coulomb. 1. Interações Elétricas. A. Pressione um pedaço de fita adesiva, de cerca de 15 a 20cm de comprimento, firmemente em uma superfície lisa sem tinta, por

Leia mais

Operações Pontuais. Guillermo Cámara-Chávez

Operações Pontuais. Guillermo Cámara-Chávez Operações Pontuais Guillermo Cámara-Chávez Um modelo simples de formação de uma imagem Para que a imagem de uma cena real possa ser processada ou armazenda na forma digital deve passar por dois processos

Leia mais

PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO

PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008 Deliverable: D3 Feature Extraction Library (Vectors) Task: T3 Feature Extraction

Leia mais

Classificação de Imagens

Classificação de Imagens Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,

Leia mais

Casamento de padrões em imagens e vídeos usando características de imagens

Casamento de padrões em imagens e vídeos usando características de imagens Casamento de padrões em imagens e vídeos usando características de imagens Kassius Vinicius Sipolati Bezerra DCEL / CEUNES / UFES São Mateus, ES, Brazil Edilson de Aguiar DCEL / CEUNES / UFES São Mateus,

Leia mais

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado

Leia mais

Transformações 3D. Soraia Raupp Musse

Transformações 3D. Soraia Raupp Musse Transformações 3D Soraia Raupp Musse 1 Translação Coord. Homogêneas x y 1 t x 1 t y 1 x y x y x + t x y + t y t p p r r r + ' 2 x y x + t x y + t y + y Escala Coord. Homogêneas x y s x s y 1 x y x y s

Leia mais

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc...

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc... RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS RUÍDOS EM IMAGENS Em Visão Computacional, ruído se refere a qualquer entidade em imagens, dados ou resultados intermediários, que não são interessantes para os propósitos

Leia mais

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior Simulação Gráfica Morfologia Matemática Julio C. S. Jacques Junior Morfologia Palavra denota uma área da biologia que trata com a forma e a estrutura de animais e plantas. No contexto de Morfologia Matemática:

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

Maurício Correia Lemes Neto 1 João Fernando Custódio da Silva 2 Victor Blasechi 3 RESUMO

Maurício Correia Lemes Neto 1 João Fernando Custódio da Silva 2 Victor Blasechi 3 RESUMO EXTRAÇÃO DE PONTOS-CHAVEPELO ALGORITMO SIFT E CORRESPONDÊNCIA ENTRE DOIS PARES DE IMAGENS ESTEREOSCÓPICAS OBTIDAS POR UM SISTEMA FOTOGRAMÉTRICO TERRESTRE Maurício Correia Lemes Neto 1 João Fernando Custódio

Leia mais

Segmentação de Imagens

Segmentação de Imagens Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para

Leia mais

Rastreamento de Múltiplos. Objetos em Tempo Real

Rastreamento de Múltiplos. Objetos em Tempo Real Rastreamento de Múltiplos Objetos em Tempo Real THIAGO DA ROSA DE BUSTAMANTE 1 UFMG - Universidade Federal de Minas Gerais, Av. Antônio Carlos, 667 Pampulha - Belo Horizonte, MG, Brasil trb@dcc.ufmg.br

Leia mais

Árvores Binárias Balanceadas

Árvores Binárias Balanceadas Árvores Binárias Balanceadas Elisa Maria Pivetta Cantarelli Árvores Balanceadas Uma árvore é dita balanceada quando as suas subárvores à esquerda e à direita possuem a mesma altura. Todos os links vazios

Leia mais

1º Teste Computação Gráfica

1º Teste Computação Gráfica 1º Teste Computação Gráfica LEIC-Tagus/LERCI Prof. Mário Rui Gomes Prof. João Brisson Lopes 23 de Abril de 25 Nº Nome: Responda às questões seguintes justificando adequadamente todas as respostas. O Teste

Leia mais

LOTOFACIL MAIS FÁCIL

LOTOFACIL MAIS FÁCIL INDICE 1. INTRODUÇÃO 2. ESTATÍSTICAS E CRITÉRIOS (10 REGRAS PARA O JOGO PERFEITO) 2.1. Números Pares e Impares 2.2. Números Primos e Compostos 2.3. Moldura e Miolo 2.4. Fibonacci 2.5. Dezenas repetidas

Leia mais

Aula 4 Estatística Conceitos básicos

Aula 4 Estatística Conceitos básicos Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a

Leia mais

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas

Leia mais

Conhecendo um pouco de matrizes e determinantes

Conhecendo um pouco de matrizes e determinantes Módulo 3 Unidade 29 Conhecendo um pouco de matrizes e determinantes Para início de conversa... Frequentemente em jornais, revistas e também na Internet encontramos informações numéricas organizadas na

Leia mais

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com Introdução ao processamento de imagens e OCTAVE Julio C. S. Jacques Junior juliojj@gmail.com Octave www.gnu.org/software/octave/ Linguagem Interpretada (similar ao MATLAB... portabilidade) Voltada para

Leia mais

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445)

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Prof. Hélio Pedrini Instituto de Computação UNICAMP 2º Semestre de 2015 Roteiro 1 Morfologia Matemática Fundamentos Matemáticos Operadores

Leia mais

Formatos de Imagem PNG. Universidade Federal de Minas Gerais. Bruno Xavier da Silva. Guilherme de Castro Leite. Leonel Fonseca Ivo

Formatos de Imagem PNG. Universidade Federal de Minas Gerais. Bruno Xavier da Silva. Guilherme de Castro Leite. Leonel Fonseca Ivo Universidade Federal de Minas Gerais Formatos de Imagem PNG Bruno Xavier da Silva Guilherme de Castro Leite Leonel Fonseca Ivo Matheus Silva Vilela Rafael Avelar Alves Belém Belo Horizonte, 5 de maio de

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração

Leia mais

Universidade Federal de Santa Catarina CAPÍTULO 6 GRÁFICOS NO EXCEL.

Universidade Federal de Santa Catarina CAPÍTULO 6 GRÁFICOS NO EXCEL. CAPÍTULO 6 GRÁFICOS NO EXCEL. Um gráfico no Excel é uma representação gráfica dos números de sua planilha - números transformados em imagens. O Excel examina um grupo de células que tenham sido selecionadas.

Leia mais

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem

Leia mais

Nuvens de pontos e modelos tridimensionais a partir de fotografias

Nuvens de pontos e modelos tridimensionais a partir de fotografias Nuvens de pontos e modelos tridimensionais a partir de fotografias José Alberto Gonçalves, jagoncal@fc.up.pt Colaboração de: Nelson Pires, Sérgio Madeira Workshop em Fotogrametria e Varrimento por Laser

Leia mais

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

Capítulo 5 Filtragem de Imagens

Capítulo 5 Filtragem de Imagens Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;

Leia mais

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens Fundamentos de Imagens Digitais Aquisição e Serão apresentadas as principais características de uma imagem digital: imagem do ponto de vista matemático processo de aquisição e digitalização de uma imagem

Leia mais

Grupo C Vetores e Matrizes

Grupo C Vetores e Matrizes Grupo C Vetores e Matrizes Exercício Descrição 1. Elaborar um algoritmo que lê um conjunto de 30 valores e os coloca em 2 vetores conforme forem pares ou ímpares. O tamanho do vetor é de 5 posições. Se

Leia mais

Programação em papel quadriculado

Programação em papel quadriculado 4 NOME DA AULA: Programação em papel quadriculado Tempo de aula: 45 60 minutos Tempo de preparação: 10 minutos Objetivo principal: ajudar os alunos a entender como a codificação funciona. RESUMO Ao "programar"

Leia mais

PROF. DR. JACQUES FACON

PROF. DR. JACQUES FACON PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO DUPLA DE ISTVÁN CSEKE PROJETO DE UMA RÁPIDA SEGMENTAÇÃO PARA

Leia mais

Pré processamento de dados II. Mineração de Dados 2012

Pré processamento de dados II. Mineração de Dados 2012 Pré processamento de dados II Mineração de Dados 2012 Luís Rato Universidade de Évora, 2012 Mineração de dados / Data Mining 1 Redução de dimensionalidade Objetivo: Evitar excesso de dimensionalidade Reduzir

Leia mais

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli¹, Manassés Ribeiro² Instituto Federal de Educação, Ciência e Tecnologia Catarinense - Campus Videira Rodovia SC, Km 5

Leia mais

MÓDULO 9. A luz branca, que é a luz emitida pelo Sol, pode ser decomposta em sete cores principais:

MÓDULO 9. A luz branca, que é a luz emitida pelo Sol, pode ser decomposta em sete cores principais: A COR DE UM CORPO MÓDULO 9 A luz branca, que é a luz emitida pelo Sol, pode ser decomposta em sete cores principais: luz branca vermelho alaranjado amarelo verde azul anil violeta A cor que um corpo iluminado

Leia mais

QUESTÃO 1 ALTERNATIVA B

QUESTÃO 1 ALTERNATIVA B 1 QUESTÃO 1 Marcos tem 10 0,25 = 2,50 reais em moedas de 25 centavos. Logo ele tem 4,30 2,50 = 1,80 reais em moedas de 10 centavos, ou seja, ele tem 1,80 0,10 = 18 moedas de 10 centavos. Outra maneira

Leia mais

Atributos de Ponto de Interesse e Casamento de Modelos para Contagem de Insetos-Praga em Cultura de Soja. Diogo Soares da Silva

Atributos de Ponto de Interesse e Casamento de Modelos para Contagem de Insetos-Praga em Cultura de Soja. Diogo Soares da Silva Atributos de Ponto de Interesse e Casamento de Modelos para Contagem de Insetos-Praga em Cultura de Soja Diogo Soares da Silva Pós -GRADUAÇÃO DA UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL DA FACULDADE

Leia mais

5 Transformações Lineares e Matrizes

5 Transformações Lineares e Matrizes Nova School of Business and Economics Prática Álgebra Linear 5 Transformações Lineares e Matrizes 1 Definição Função de em Aplicação que faz corresponder a cada elemento de um conjunto (domínio), denominado

Leia mais

Tutorial de Matlab Francesco Franco

Tutorial de Matlab Francesco Franco Tutorial de Matlab Francesco Franco Matlab é um pacote de software que facilita a inserção de matrizes e vetores, além de facilitar a manipulação deles. A interface segue uma linguagem que é projetada

Leia mais

Notas de Cálculo Numérico

Notas de Cálculo Numérico Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE INFORMÁTICA PÓS GRADUAÇÃO EM INFORMÁTICA INF2608 FUNDAMENTOS DE COMPUTAÇÃO GRÁFICA RELATÓRIO: IMAGENS SÍSMICAS VISUALIZAÇÃO E DETECÇÃO

Leia mais

Descritores de Imagem

Descritores de Imagem Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT

Leia mais

TOPOLOGIA DA IMAGEM DIGITAL

TOPOLOGIA DA IMAGEM DIGITAL Faculdade de Computação Universidade Federal de Uberlândia TOPOLOGIA DA IMAGEM DIGITAL Sumário Vizinhança de um pixel O que é conectividade? Algoritmo para rotular componentes conectadas Relação de adjacência

Leia mais

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem

Leia mais

Resolução de sistemas lineares

Resolução de sistemas lineares Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)

Leia mais

Gráfico de Funções: Seno, Cosseno e Tangente

Gráfico de Funções: Seno, Cosseno e Tangente Reforço escolar M ate mática Gráfico de Funções: Seno, Cosseno e Tangente Dinâmica 6 1ª Série 4º Bimestre Professor DISCIPLINA Série CAMPO CONCEITO Matemática 1a do Ensino Médio Geométrico Trigonometria

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

EXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO

EXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO EXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO Ao incidir em uma lente convergente, um feixe paralelo de luz, depois de passar pela lente, é concentrado em um ponto denominado foco (representado por

Leia mais

3.1. Representação de Velocidade de um Corpo Rígido:

3.1. Representação de Velocidade de um Corpo Rígido: 3. CINEMÁTICA DIFERENCIAL Neste capítulo abordamos a descrição do movimento do robô manipulador sem levar em conta os esforços que o produzem. Um importante problema cinemático associado ao movimento do

Leia mais

4Distribuição de. freqüência

4Distribuição de. freqüência 4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva

Leia mais

Explorando Dicionários Visuais para Recuperação de Imagem por Conteúdo

Explorando Dicionários Visuais para Recuperação de Imagem por Conteúdo Explorando Dicionários Visuais para Recuperação de Imagem por Conteúdo Bruno Miranda Sales¹ e Rodrigo Tripodi Calumby¹ ¹Departamento de Ciências Exatas Universidade Estadual de Feira de Santana (UEFS)

Leia mais

Reconhecimento de ações humanas utilizando histogramas de gradiente e vetores de tensores localmente agregados

Reconhecimento de ações humanas utilizando histogramas de gradiente e vetores de tensores localmente agregados Reconhecimento de ações humanas utilizando histogramas de gradiente e vetores de tensores localmente agregados Luiz Maurílio da Silva Maciel 1, Marcelo Bernardes Vieira 1 1 Departamento de Ciência da Computação

Leia mais

Reconhecimento de Padrões

Reconhecimento de Padrões Engenharia Informática (ramos de Gestão e Industrial) Departamento de Sistemas e Informação Reconhecimento de Padrões Projecto Final 2004/2005 Realizado por: Prof. João Ascenso. Departamento de Sistemas

Leia mais

Aplicações de Escritório Electrónico

Aplicações de Escritório Electrónico Universidade de Aveiro Escola Superior de Tecnologia e Gestão de Águeda Curso de Especialização Tecnológica em Práticas Administrativas e Tradução Aplicações de Escritório Electrónico Folha de trabalho

Leia mais

CALIBRAGEM VISUAL DE MANIPULADORES ROBÓTICOS COM USO DE INVARIANTES SIFT

CALIBRAGEM VISUAL DE MANIPULADORES ROBÓTICOS COM USO DE INVARIANTES SIFT CALIBRAGEM VISUAL DE MANIPULADORES ROBÓTICOS COM USO DE INVARIANTES SIFT MIGUEL A.G. PINTO, MARCO A. MEGGIOLARO, RICARDO TANSCHEIT Dept. de Engenharia Elétrica e Engenharia Mecânica, PUC-Rio Rua Marquês

Leia mais

COMPARAÇÃO DE TÉCNICAS DE VISÃO COMPUTACIONAL NA IDENTIFICAÇÃO DE CABEÇOTES FUNDIDOS USANDO WEBCAM PARA GUIAR UM ROBÔ INDUSTRIAL

COMPARAÇÃO DE TÉCNICAS DE VISÃO COMPUTACIONAL NA IDENTIFICAÇÃO DE CABEÇOTES FUNDIDOS USANDO WEBCAM PARA GUIAR UM ROBÔ INDUSTRIAL COMPARAÇÃO DE TÉCNICAS DE VISÃO COMPUTACIONAL NA IDENTIFICAÇÃO DE CABEÇOTES FUNDIDOS USANDO WEBCAM PARA GUIAR UM ROBÔ INDUSTRIAL Victor Hugo Bueno Preuss, victor.preuss@gmail.com 1 Ramon Cascaes Semim,

Leia mais

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Tópicos Introdução Conceitos básicos da teoria dos conjuntos

Leia mais

Análise e Processamento de Sinal e Imagem. V - Introdução ao Reconhecimento de Padrões

Análise e Processamento de Sinal e Imagem. V - Introdução ao Reconhecimento de Padrões V - Introdução ao Reconhecimento de Padrões António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Reconhecimento de Padrões 1. Caracterização de Sinais e Imagem 2. Técnicas

Leia mais

FUNÇÕES. 1. Equação. 2. Gráfico. 3. Tabela.

FUNÇÕES. 1. Equação. 2. Gráfico. 3. Tabela. FUNÇÕES Em matemática, uma função é dada pela relação entre duas ou mais quantidades. A função de uma variável f(x) relaciona duas quantidades, sendo o valor de f dependente do valor de x. Existem várias

Leia mais

Aula 5 - Classificação

Aula 5 - Classificação AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente

Leia mais

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção

Fluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção Este procedimento corresponde ao fluxo de trabalho de Indexação de OCR com separação de código de correção no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se na

Leia mais

É usual dizer que as forças relacionadas pela terceira lei de Newton formam um par ação-reação.

É usual dizer que as forças relacionadas pela terceira lei de Newton formam um par ação-reação. Terceira Lei de Newton A terceira lei de Newton afirma que a interação entre dois corpos quaisquer A e B é representada por forças mútuas: uma força que o corpo A exerce sobre o corpo B e uma força que

Leia mais

Análise de componentes principais (PCA)

Análise de componentes principais (PCA) Análise de componentes principais (PCA) Redução de dados Sumarizar os dados que contém muitas variáveis (p) por um conjunto menor de (k) variáveis compostas derivadas a partir do conjunto original. p k

Leia mais

Tratamento fotográfico básico

Tratamento fotográfico básico Tratamento fotográfico básico Vamos começar com um trato na luz e na cor na imagem. Algumas imagens, por sub-exposição, principalmente, precisam ter alterados, alguns parâmetros. Nível: O primeiro deles

Leia mais

Processamento de Imagens COS756 / COC603

Processamento de Imagens COS756 / COC603 Processamento de Imagens COS756 / COC603 aula 08 - deteção de características de baixo-nível (low-level feature detection) parte II Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection

Leia mais

Frederico Damasceno Bortoloti. Adaptado de: Claudio Esperança Paulo Roma Cavalcanti

Frederico Damasceno Bortoloti. Adaptado de: Claudio Esperança Paulo Roma Cavalcanti Fundamentos de Representação Gráfica Frederico Damasceno Bortoloti Adaptado de: Claudio Esperança Paulo Roma Cavalcanti Estrutura do Curso Avaliação através de Prova Estudo / Seminário Nota parcial NP

Leia mais