Processamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
|
|
- Ana Luiza Campelo Van Der Vinne
- 7 Há anos
- Visualizações:
Transcrição
1 António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt
2 Algoritmos básicos de Processamento de Imagem Contagem do Número de Objectos numa Imagem Binária. Cantos Externos Um canto externo é contabilizado cada vez que um pixel e a sua vizinhança coincida com uma destas máscaras: 2. Cantos Internos Um canto interno é contabilizado cada vez que um pixel e a sua vizinhança coincida com uma destas máscaras: Número de Objectos = Núm. de Cantos Externos Núm. de Cantos Internos /4
3 Algoritmos básicos de Processamento de Imagem Etiquetar Componentes Conectadas Permite definir áreas conectadas entre si e referi-las por uma Etiqueta. Dois Algoritmos: ) Algoritmo Recursivo Faz pesquisa numa vizinhança de quatro pixels das componentes conectadas, até que todos os pixels conectados tenham a mesma etiqueta. 2) Algoritmo Linha a Linha Vai pesquisar pixel a pixel, linha a linha por conexões. Depois de executado, faz uma re-etiquetagem de regiões, que sendo contíguas, e tendo o mesmo valor de pixel, foram colocadas em etiquetas diferentes.
4 Algoritmos básicos de Processamento de Imagem Histograma da imagem Gráfico que contabiliza o número de vezes que aparece cada cor.
5 Quantificação de imagem Algoritmos básicos de Processamento de Imagem Um algoritmo de quantificação selecciona as zonas do histograma que vão ser quantificados na mesma cor, baseada na distribuição de cores. Exemplo: M. I. Sezan, A peak detection algorithm and it s application to histogram-based image data reduction, Computer Vision, Graphics, and Image Processing, vol. 49, pp. 36 5, 99. original 2 níveis 8 regiões
6 Algoritmos básicos de Processamento de Imagem Quantificação de imagem original 3 níveis 24 regiões
7 Técnicas de Enriquecimento de Imagem Mapeamento dos Cinzentos Alterar o mapeamento dos cinzentos pode tornar uma imagem muito mais nítida: Espalhamento do mapa de cores Correcção Gama (e outras) Equalização do histograma Definição de Operador de Pixel Um Operador de Pixel determina cada pixel da imagem resultante como uma função do Pixel da imagem original, ou seja, I r (m, n) = f (I(m, n))
8 Técnicas de Enriquecimento de Imagem Espalhamento do mapa de cores Quando uma imagem é representada por um número de cores inferior ao número total de cores, concentradas entre uma valor Min {I(m, n)} e Max {I(m, n)}, estas cores são espalhadas pelo conjunto de cores disponíveis. Isto permite que as diferentes cores sejam realçadas entre si. Operador de Pixel: I r (m, n) = (I(m, n) Min {I(m, n)}) 255 Max {I(m, n)} Min {I(m, n)} Imagem representada por 6 cores. Imagem representada com espalhamento das 6 cores.
9 Técnicas de Enriquecimento de Imagem Correcção Gamma Muitas vezes devido às condições de aquisição as imagens aparecem muito escurecidas. A correcção Gamma atribui às cores mais escuras cores mais claras. Operador de Pixel: x /5 x /2 ( I(m, n) f(x) = x /γ I r (m, n) = ) /γ Imagem original. Transformação gamma (γ = 2). Transformação gamma (γ = 5).
10 Técnicas de Enriquecimento de Imagem Equalização de imagem Um algoritmo de quantificação selecciona as zonas do histograma que vão ser quantificados na mesma cor, baseada na distribuição de cores. Exemplo: M. I. Sezan, A peak detection algorithm and it s application to histogram-based image data reduction, Computer Vision, Graphics, and Image Processing, vol. 49, pp. 36 5, 99. Imagem original. Equalização em 26 cores. Equalização em 43 cores.
11 Enriquecimento e Filtragem de Imagem Remoção de Ruído Imagens binárias são muitas vezes corrompidas por ruído Salt & Pepper. Usa-se uma máscara com os oito vizinhos; Se os oito vizinhos são da mesma cor e o pixel tiver uma cor diferente é considerado que se está na presença de ruído e a cor do pixel é alterada. Imagem original. Imagem com Ruído Salt & Pepper. Imagem depois da remoção do Ruído
12 Enriquecimento e Filtragem de Imagem Suavização da Imagem Suavizar uma imagem permite suavizar o efeito do ruído. Filtro box (médio): I r (m, n) = i= 2 j= 2 I(m j, n i) Imagem original Imagem filtrada (janela de 5 pixels)
13 Enriquecimento e Filtragem de Imagem Suavização da Imagem Imagem original corrompida com Ruído Gaussiano Imagem com ruído filtrada (janela de 5 pixels)
14 Enriquecimento e Filtragem de Imagem Filtro Gaussiano O filtro Gaussiano faz uma média ponderada pela função gaussiana g(x, y) = 2πσ e d2 /(2σ 2 ) com d = (x x c ) 2 + (y y c ) 2 Imagem original Imagem filtrada (σ = 2)
15 Enriquecimento e Filtragem de Imagem Filtro Gaussiano Imagem original Imagem filtrada (σ = 2 2)
16 Enriquecimento e Filtragem de Imagem Filtro Gaussiano Imagem original Imagem filtrada (σ = 4)
17 Morfologia de Imagem Binária Multinível Elementos Estruturantes - S Baseia-se num elemento estruturante S que representa uma forma Exemplos de elementos estruturantes binários.
18 Morfologia de Imagem Morfologia de Imagem Binária As Operações Morfológicas sob Imagens Binárias mais importantes são: Dilatação Alarga as regiões Erosão Diminui as regiões Fecho ( Closing ) Tende a fechar buracos interiores interiores à região e a eliminar as baías nos limiares da região Abertura ( Opening ) Tende a retirar pequenas porções ou regiões que saem dos limiares
19 Morfologia de Imagem Morfologia de Imagem Binária - Dilatação A dilatação binária coloca cada pixel de imagem resultante a desde que a imagem original tenha dentro do Elemento Estruturante um pixel a. Imagem Original Elemento Estruturante Imagem Dilatada Exemplo de Dilatação Morfológica Binária.
20 Morfologia de Imagem Morfologia de Imagem Binária - Dilatação Elemento Estruturante Exemplo de Dilatação Morfológica Binária.
21 Morfologia de Imagem Morfologia de Imagem Binária - Erosão A Erosão Binária coloca cada pixel de imagem resultante a desde que a imagem original tenha dentro do Elemento Estruturante um pixel a. Imagem Original Elemento Estruturante Imagem Erodida Exemplo de Erosão Morfológica Binária.
22 Morfologia de Imagem Morfologia de Imagem Binária - Erosão Elemento Estruturante Exemplo de Erosão Morfológica Binária.
23 Morfologia de Imagem Morfologia de Imagem Binária - Fecho ( Closing ) A Operação Morfológica de Fecho consiste na Aplicação da Operação de Dilatação seguida da Operação de Erosão sobre a imagem Dilatada. Origina o Fecho de Buracos nas Regiões e a Eliminação de Baías nos limiares da regiões Elemento Estruturante Exemplo de Fecho Morfológico Binário.
24 Morfologia de Imagem Morfologia de Imagem Binária - Abertura ( Opening ) A Operação Morfológica de Abertura consiste na Aplicação da Operação de Erosão seguida da Operação de Dilatação sobre a imagem Erodida. Retira pequenas porções ou regiões que saem dos limiares Elemento Estruturante Exemplo de Abertura Morfológica Binária.
25 Morfologia de Imagem Morfologia de Imagem Multinível As Operações Morfológicas sob Imagens Multinível mais importantes são: Dilatação, Erosão, Fecho ( Closing ) e Abertura ( Opening ) Gradiente Realça os limites das Regiões Elementos Estruturantes São imagens Multinível com uma forma arbitrária.
26 Morfologia de Imagem Morfologia de Imagem Multinível - Dilatação D(Img, S) = max [j, i] S {Img[y j, x i] + S[j, i]} Elemento Estruturante Exemplo de Dilatação Morfológica Multinível.
27 Morfologia de Imagem Multinível - Erosão Morfologia de Imagem E(Img, S) = min [j, i] S {Img[y + j, x + i] S[j, i]} Elemento Estruturante Exemplo de Erosão Morfológica Multinível.
28 Morfologia de Imagem Morfologia de Imagem Multinível - Fecho ( Closing ) F (Img, S) = E(D(Img, S), S) Elemento Estruturante Exemplo de Fecho Morfológico Multinível.
29 Morfologia de Imagem Morfologia de Imagem Multinível - Abertura ( Opening ) F (Img, S) = D(E(Img, S), S) Elemento Estruturante Exemplo de Abertura Morfológica Multinível.
30 Morfologia de Imagem Morfologia de Imagem Multinível - Gradiente A Operação Morfológica Gradiente consiste na subtracção da imagem Dilatada pela imagem Erodida. Realça os limites das regiões F (Img, S) = D(Img, S) E(Img, S) Elemento Estruturante Exemplo de Gradiente Morfológico.
31 Morfologia de Imagem Morfologia de Imagem Multinível - Exemplo Original Dilatada Erodida Fecho Abertura Gradiente
32 Detecção de Limiares A detecção de limiares permite separar as diferentes zonas de uma imagem. Entre os diferentes métodos vamos considerar aqueles que provavelmente são os mais utilizados: Operador Diferenciais O Detector de Canny
33 Detecção de Limiares Operadores Diferenciais f Uma máscara calcula uma aproximação das derivadas y, f Um ponto representa x ( f ) 2 ( ) 2 f um ponto limiar se o módulo do gradiente f = + tiver um y x máximo segundo a direcção do gradiente ( ) ( ) f f θ = arctg / y x Mx My Operador de Prewitt Mx My Operador de Sobel Operadores Diferenciais - - Mx My Operador de Roberts Nota: O operador de Sobel é o operador diferencial mais popular
34 Detecção de Limiares Exemplo de Aplicação do Operador de Sobel Imagem original Módulo do Gradiente
35 Detecção de Limiares Exemplo de Aplicação do Operador de Sobel Imagem original Não Máximos Suprimidos
36 Detecção de Limiares Exemplo de Aplicação do Operador de Sobel Imagem original Limiares da Imagem
37 Detecção de Limiares Detector de Limiares de Canny Pretende seguir estes critérios de funcionamento: Boa Detecção Boa Localização Uma só resposta para um único limiar
38 Detecção de Limiares Detector de Limiares de Canny Pode ser definido pelos seguintes passos: Filtragem Gaussiana Diferenciação Usualmente apenas se usa f y = I(m +, n) I(m, n) e f x = I(m, n + ) I(m, n ) Supressão de não máximos (Só se consideram máximos na direcção do gradiente) Os máximos são seleccionados para limiares por um processo de histerese
39 Detecção de Limiares Detector de Limiares de Canny Processo de histerese Só são considerados limiares que contenham pelo menos um ponto acima de uma valor ht. Este valor é escolhido de forma a que uma percentagem F h de pontos máximos (usualmente cerca de 8%) estejam acima desse limiar. Todos os pontos conectados aos limiares com um ponto acima de ht e que tenham um valor acima de um valor lt são também considerados como pontos limiares. lt é escolhido como uma fracção de ht (lt = F l ht).
40 Detecção de Limiares Detector de Limiares de Canny Imagem original Módulo do Gradiente (σ = 2) Não Máximos Suprimidos Limiares da Imagem (ht=7% e lt=2%) Módulo do Gradiente (σ = 4) Não Máximos Suprimidos Limiares da Imagem (ht=7% e lt=2%)
41 Segmentação de Imagem Introdução Segmentação Identificação de Regiões Estratégias de Segmentação Técnicas de Segmentação Quantificação de Cores Difusão Anisotrópica Segmentação por Watershed Snakes- Modelos de Contornos Activos Métodos baseados nos Limiares Técnicas de Reconhecimento de Padrões Aplicadas à Segmentação Reconhecimento Supervisionado Reconhecimento Não-supervisionado Clustering
42 Segmentação de Imagem Objectivos. Decompor a imagem em partes para análise posterior; 2. Proporcional uma alteração da representação, que tenha maior significado ou permita um análise mais eficiente. Exemplos de Aplicações Localizar um Tumor Medir a dimensão de um Tumor
43 Segmentação de Imagem Identificação de Regiões As Regiões devem ser uniformes relativamente a uma (ou mais) característica(s), como sejam, o nível de cinzento, a cor ou a textura. Os interiores das Regiões devem ser simples e não conterem vários pequenos buracos. Regiões adjacentes devem ter valores significativamente diferentes da(s) característica(s) que as identificam. Os limites das regiões devem ser suaves, e devem ser espacialmente precisos.
44 Segmentação de Imagem Estratégias de Segmentação Métodos baseados na Região (conectada) As regiões são localmente homogéneas relativamente a um propriedade. As regiões satisfazem uma determinada propriedade. Métodos baseados nos Limiares Regiões são limitadas por uma determinada característica. As características contêm uma elevado contraste duma propriedade.
45 Segmentação de Imagem Características usadas na Classificação dos Pixels Intensidade Derivadas (eventualmente tiradas em Diferentes Escalas) Estatísticas da Vizinhança Média, Variância Histograma da Vizinhança Textura (baseada em filtros Passa-Banda: Gabor, Wavelets ) Dados multivariados Cor MRI Espectrais
46 Segmentação de Imagem Exemplo de Classificação baseada no MRI Espectral T, T2, PD Espaço de Características Classificação Retirado de Tasdizen et al
47 Segmentação de Imagem - Métodos baseados na Região Separação de Cores Baseada no Histograma ALGORITMO. Usa-se um Algoritmo de Quantificação de imagem baseado no histograma. Exemplo: M. I. Sezan, A peak detection algorithm and it s application to histogram-based image data reduction, Computer Vision, Graphics, and Image Processing, vol. 49, pp. 36 5, 99. No fundo, a quantificação estabelece um conjunto de Clusters e atribui uma classe a cada pixel. 2. Um algoritmo de Etiquetagem das componentes conectadas estabelece as regiões. 3. Regiões pequenas podem ser eliminadas por inclusão noutras.
48 Segmentação de Imagem - Métodos baseados na Região Separação de Cores Baseada no Histograma original níveis 38 regiões 4 níveis 2 regiões
49 Segmentação de Imagem - Métodos baseados na Região Separação de Cores Baseada no Histograma original 4 níveis 5 regiões
50 Difusão Não Linear Segmentação de Imagem - Métodos baseados na Região Baseado em: P. Perona and J. Malik, Scale-space and edge detection using anisotropic diffusion, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-2, no. 7, pp , July 99. Equação de Difusão: I t (y, x) =.(f( I(y, x) ) I(y, x)), Se f( I ) for constante resulta numa filtragem gaussiana! Sugestão: ou f(w) = e ( w K) 2 f(w) = + ( w K ) 2 f(w) exp(-(w/k) ) 2 /(+(w/k) ).25 w -5k -3k -2k -k k 2k 3k 5k Funções de Difusão propostas por Perona e Malik.
51 Segmentação de Imagem - Métodos baseados na Região Difusão Não Linear original Perona & Malik Pinheiro 26
52 Segmentação de Imagem - Métodos baseados na Região Watershed Algoritmo que vê a imagem como um mapa topográfico. Primeiro Aplica-se um Gradiente à imagem. Consiste no enchimento dos vales do mapa. Quando duas regiões de enchimento se tocam, constroi-se uma barragem. No final, várias regiões foram definidas, separada por um conjunto de barragens (contornos das regiões). Enchimento e Barragens Exemplo
53 Segmentação de Imagem - Métodos baseados nos Limiares Snakes - Contornos Activos M. Kass, A. Witkin, and D. Terzopoulos, Snakes - Active Contour Models International Journal of Computer Vision, (4): 32-33, 987. Um Contorno inicial vai convergir iterativamente para uma zona de elevado gradiente. Formulação Matemática: Considerando a Snakes dada por v(s) = (y(s), x(s)), pode-se escrever a sua energia por: E Snakes = E Snakes ( v(s)) ds = em que E int representa a energia interna, E imag representa as forças da imagem e E con representa as forças externas de constrangimento. [E int ( v(s)) + E imag ( v(s)) + E con ( v(s))] ds
54 Segmentação de Imagem - Métodos baseados nos Limiares Snakes - Contornos Activos Exemplo (João Machado)
55 Segmentação de Imagem - Métodos baseados nos Limiares Snakes - Contornos Activos Exemplo (João Machado)
56 Segmentação de Imagem - Métodos baseados nos Limiares Snakes - Contornos Activos Exemplo (João Machado)
57 Segmentação de Imagem - Métodos baseados nos Limiares Técnicas de multiresolução Baseia-se na determinação dos limiares em diferentes resoluções: Alta resolução implica muitos limiares posicionalmente precisos. Baixa resolução implica limiares menos importantes suprimidos (com importância local) mas limiares resultantes posicionalmente imprecisos. Usar Imagem de limiares de baixa resolução para seleccionar limiares mais importantes, e desloca-los para a posição na imagem de alta resolução, de forma a serem mais precisos.
58 Segmentação de Imagem Técnicas de Reconhecimento de Padrões Aplicadas Noção Geral Da imagem retira-se um vector característico x = (x, x,..., x M ) R n que representa um conjunto de medidas de uma imagem. Tipicamente, estabelece-se uma função f, que pondera os diferentes características medidas, tendo em conta o seu custo relativo: Domínio x 2 f( x) : R n R Exemplo: f( x) = M k= ω k x k, em que ω k representa o peso relativo da característica x k. x Espaço de Características x
59 Segmentação de Imagem Reconhecimento Supervisionado Exemplos previamente classificados são usados para estabelecer f. Uso de Protótipos: A classificação é feita usando o protótipo mais próximo. Estatístico: Usam-se funções de Densidade de Probabilidade, escolhendo-se a classificação mais provável para o vector x. Redes Neuronais (como a Perceptron ): Programada por um processo de aprendizagem que estabelece valores para os pesos. Não-supervisionado: Decisão é feita exclusivamente a partir dos dados usando função predefinida de f.
60 Segmentação de Imagem Rede Neuronal Baseadas no modelo simplificado de um neurónio humano. x[] x[2] w[2] w[] Célula y Entradas para outros Neurónios x[] x[] w ij 2 w jk y[] y[2] x[d] w[d] y = g d w[j]x[j] j= onde g(α) { pode ser dado por: se α > t g(α) = c. c. g(α) = /( + e β(α t) ) x[d] Nível Nível de Entrada Nível 2 Nível Escondido REDE NEURONAL Nível 3 Nível de Saída y[m]
61 Segmentação de Imagem Reconhecimento Não-supervisionado Decisão é feita exclusivamente a partir dos dados usando função predefinida de f. Baseado em estruturas naturais dos dados - Ex.: Clustering. Algoritmo de Clustering K-means.
62 Segmentação de Imagem Clustering x Processo de partição dos vectores característicos em subconjuntos, chamados Clusters. Uma forma normal de formar Clusters é associar pontos que estão próximos entre si no espaço euclideano considerado. Pretende-se portanto, criar partições de um conjunto de vectores, em grupos que apresentam valores similares. x EXEMPLOS DE Clusters NUM ESPAÇO BIDIMENSIONAL.
63 Segmentação de Imagem Algoritmos Clássicos de Clustering Os vectores característicos, podem incluir componentes como: Valores de Intensidade Valores das componentes de Cor (RGB, HSV,...) Propriedades calculadas Medidas de Texturas A escolha dos CLUSTERS pode ser definida com base no número de Clusters, K. mantendo a variância para cada Clusters, abaixo de um determinado valor.
64 Segmentação de Imagem Algoritmos Clássicos de Clustering Tipicamente existem K clusters, C, C 2,... C K, com médias m, m 2,... m K. A medida do erro quadrático mínimo pode ser definida como: D = K k= x i C k x i m k 2, que mede a proximidade dos dados aos clusters que lhe foram atribuidos. ALGORITMO BASE Pixels são agrupados em Clusters. Um algoritmo de Etiquetagem permite encontrar regiões conectadas.
65 Segmentação de Imagem Algoritmo de Clustering por K-means Iterativo. Fazer o número de iterações i C =. 2. Escolher aleatóriamente um conjunto de K Clusters com médias m (), m 2 (),... m K (). 3. Para cada vector x i calcular D(x i, m k (i C ), para cada k =, 2,... K e atribuir x i ao cluster C j com a média mais próxima. 4. Incrementar i C, somando, e actualizar as médias para obter um novo conjunto m (i C ), m 2 (i C ),... m K (i C ). 5. Repetir os passos 3. e 4. até que C k (i C ) = C k (i C + ) para todos os k. NOTA: O algoritmo é convergente, embora possa não levar à solução óptima. Usualmente para-se quando C k (i C ) C k (i C + ) é menor que um determinado limiar.
66 Segmentação de Imagem Algoritmo de Clustering por K-means Iterativo Original Máscara Exemplo de Clustering por K-means
Processamento e Análise de Imagem. Aplicações na Imagem Médica
Processamento e Análise de Imagem Aplicações na Imagem Médica António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Tecnologia de Imagem Imagem de Entrada Processamento
Leia maisAnálise e Processamento de Sinal e Imagem. IV - Processamento e Análise de Imagem II
IV - Processamento e Análise de Imagem II António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processamento e Análise de Imagem Análise de Imagem 1. Técnicas básicas
Leia maisAnálise e Processamento de Imagem
António M. G. Pinheiro Covilhã - Portugal pinheiro@ubi.pt 5 de Maio de 27 BIBLIOGRAFIA Análise e Processamento de Imagem. Lin G. Shapiro and George C. Stockman, Computer Vision, Prentice Hall, 2, ISBN:
Leia maisIV - Processamento e Análise de Imagem
IV - Processamento e Análise de Imagem António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processamento e Análise de Imagem Processamento de Imagem - Introdução. Aquisição
Leia maisFiltros espaciais. Processamento e Recuperação de Imagens Médicas. Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP)
Processamento e Recuperação de Imagens Médicas Prof. Luiz Otavio Murta Jr. Depto. De Computação e Matemática (FFCLRP/USP) 1 Propriedades Operadores de suavização os elementos da máscara são positivos e
Leia maisT4 Processamento de Imagem
T4 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Manipulação ponto a ponto 2. Conetividade 3. Filtros espaciais 4. Extração de estruturas
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Segmentação
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Segmentação A separação dos pixeis relativos a cada objeto, ou região, é uma etapa fundamental para o sucesso do processo de análise da imagem. Embora
Leia maisUMA VISÃO SOBRE O PROCESSAMENTO DE IMAGENS. Rogério Vargas DCET UESC Home page: rogerio.in
UMA VISÃO SOBRE O PROCESSAMENTO DE IMAGENS Rogério Vargas DCET UESC Home page: rogerio.in Exemplo de aplicações: automação e visão artificial reconhecimento de caracteres análise de cromossomos veículos
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 6 de outubro de 2016 Segmentação de imagens A segmentação
Leia maisV - Reconhecimento de Padrões
V - 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 de Classificação
Leia maisT4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
Leia maisCapítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Leia maisExemplos. Propagação (Reconstrução)
Processamento de Imagens Médicas Morfologia Matemática em Imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) Propagação (Reconstrução) lgoritmos Baseados
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia maisOperações Pontuais. 1 operando. 2 operandos. Processamento e Análise de Imagem - A. J. Padilha - v ac
Operações Pontuais 1 operando T OP 2 operandos Pré-Processamento - 1 Operações Pontuais Nas operações pontuais, cada ponto da imagem-resultado - g(i,j) - é obtido por uma transformação T do ponto de coordenadas
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 5 Segmentação de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga Segmentação de
Leia maisFiltragem linear. jorge s. marques, questão: como remover artefactos?
Filtragem linear questão: como remover artefactos? redução de ruído como reduzir o ruído de uma imagem? ideia: substituir cada piel por uma média Jm,n = m+ k n+ k k + p= m kq= n k Ip,q k= k+ k+ k= filtro
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Leia maisAVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS
AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS Hedlund Erik Martins Távora 1, John Hebert Da Silva Felix 2, Darleison Rodrigues Barros Filho 3, Fausta Joaquim Faustino
Leia maisAPLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 0- de Novembro de 008 Universidade Federal do Rio Grande do Norte Natal/RN APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 07 - deteção de características de baixo-nível (low-level feature detection) Antonio Oliveira Ricardo Marroquim 1 / 35 aula de hoje feature detection overview
Leia maisMORFOLOGIA MATEMÁTICA
MORFOLOGIA MATEMÁTICA Morfologia Na Biologia área que trata com a forma e a estrutura de plantas e animais Processamento de Imagens Ferramenta para extração de componentes de imagens que sejam úteis na
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisAnálise e Processamento de Sinal e Imagem. IV - Processamento e Análise de Imagem I
IV - Processamento e Análise de Imagem I António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processamento e Análise de Imagem Processamento de Imagem - Introdução.
Leia maisDr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015
Introdução a Computação Gráfica [5COP100] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre de 2015 Assunto Aula 7 Filtros de Imagens Digitais 2 de 47 Sumário Conceitos Filtragem no
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
Processamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores António M. Gonçalves Pinheiro Departamento de Física Universidade da Beira Interior Covilhã - Portugal pinheiro@ubi.pt Bibliografia
Leia mais1 1 1 *1/ *1/ *1/49
O que é filtragem? As técnicas de filtragem são transformações da imagem pixel a pixel, que não dependem apenas do nível de cinza de um determinado pixel, mas também do valor dos níveis de cinza dos pixels
Leia maisFiltragem. Processamento digital de imagens. CPGCG/UFPR Prof. Dr. Jorge Centeno
Filtragem Processamento digital de imagens CPGCG/UFPR Prof. Dr. Jorge Centeno Operações de vizinhança (Filtros) Filtros lineares Filtro passa-baixas (suavização) Filtro passa-altas (realce) Filtros direcionais
Leia maisFILTRAGEM DE IMAGEM NO DOMÍNIO ESPACIAL (Operações aritméticas orientadas à vizinhança)
PROCESSAMENTO DE IMAGEM #5 Operações Aritméticas Orientadas à Vizinhanças Filtragem no Domínio Espacial (Máscaras) Máscaras de suavização (média e mediana) e aguçamento (laplaciano) Correlação x Convolução
Leia maisAula 5 - Segmentação de Imagens
Aula 5 - Segmentação de Imagens Parte 1 Prof. Adilson Gonzaga 1 Segmentação Agrupamento de partes de uma imagem em unidades homogêneas relativamente a determinadas características. Segmentação é o processo
Leia maisPropriedades estatísticas de uma imagem
Propriedades estatísticas de uma imagem Brilo Média do alor dos pixels n i, j (, i j) Contraste Desio padrão do alor dos pixels σ 2 ( i (, j) ) n i, j Histograma () Vector com o número de pixels de cada
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia maisSegmentação de Imagem
Segmentação de Imagem Em análise de imagem o resultado pretendido não é, geralmente, outra imagem, mas antes uma sua descrição. Essa descrição refere-se, em regra, a partes específicas da imagem ou da
Leia maisTelevisão Digital. Trabalho prático nº1. Filtragem espacial de imagem fixa e manipulação de histogramas. 2 de Novembro de 2006
Televisão Digital Trabalho prático nº1 Filtragem espacial de imagem fixa e manipulação de histogramas 2 de Novembro de 2006 José Carlos Costa Pinto Ribeiro 000503044 Rui Miguel Barbosa da Costa Gonçalves
Leia maisIntrodução ao Processamento de Imagens. Cláudio Rosito Jung
Introdução ao Processamento de Imagens Cláudio Rosito Jung Introdução Processamento de Imagens: processamento de sinais bidimensionais (ou n-dimensionais). Aplicações: - reconstrução de tomografias; -
Leia maisSimulação Gráfica. Segmentação de Imagens Digitais. Julio C. S. Jacques Junior
Simulação Gráfica Segmentação de Imagens Digitais Julio C. S. Jacques Junior Segmentação Subdivide uma imagem em suas partes ou objetos constituintes. O nível até o qual essa subdivisão deve ser realizada
Leia maisTratamento 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 maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 09 - curvatura Antonio Oliveira Ricardo Marroquim 1 / 1 aula de hoje feature detection overview curvatura espaço de escala block matching 2 / 1 curvatura o
Leia maisTratamento 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/33 Transformações Geométricas 3 Transformações Geométricas
Leia maisFILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Leia maisUniversidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática DETECÇÃO DE BORDAS DE IMAGENS UTILIZANDO ELEMENTOS DE MORFOLOGIA MATEMÁTICA PROPOSTA DE TRABALHO DE GRADUAÇÃO
Leia maisRespostas do Teste de Analise de Imagens :
Respostas do Teste de Analise de Imagens - 2004: 1Diga com suas palavras o que é: (Valor total da questão: 12) Filtragem passa alta (valor deste item até 0,3) - importante falar que apesar do nome ser
Leia maisFiltragem de Imagens Fixas
FEUP 2006/2007 TELEVISÃO DIGITAL Filtragem de Imagens Fixas Nuno Miguel da Cunha Pássaro Nuno Miguel Dantas de Faria nº de aluno: 010503228 email: ee01228@fe.up.pt nº de aluno: 010503160 email: ee01160@fe.up.pt
Leia maisRestauração de Imagens
Restauração de Imagens Disciplina: Tópicos em Computação (Processamento Digital de Imagens) 1 / 30 Conceitos Preliminares O principal objetivo das técnicas de restauração é melhorar uma imagem em algum
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia maisRealce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens
Realce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti
Leia maisF- Classificação. Banda A
F- Classificação Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos Banda B? da d b dc Espaço dos Atributos Classes Banda A Classificação: ordenar,
Leia maisT5 Processamento de Imagem e Vídeo
T5 Processamento de Imagem e Vídeo Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Segmentação baseada em regiões 2. Morfologia matemática 3. K-Means 4. Processamento
Leia maisFiltros espaciais (suavizaçào)
Processamento de Imagens Médicas Filtros espaciais (suavizaçào) Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) 1 Necessidade de pré-processamento 2 Propriedades
Leia maisSEL Visão Computacional. Aula 2 Processamento Espacial
Departamento de Engenharia Elétrica - EESC-USP SEL-5895 - Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Adilson Gonzaga Prof. Dr. Evandro Linhari Rodrigues Prof. Dr. Marcelo Andrade da Costa
Leia maisPMR2560 Visão Computacional Detecção de bordas. Prof. Eduardo L. L. Cabral
PMR56 Visão Computacional Detecção de bordas Prof. Eduardo L. L. Cabral Objetivos Processamento de imagens: Características; Detecção de bordas. Características Tipos de características: Bordas; Cantos;
Leia maisQuadro Segmentação de Imagens
UNIVERSIDADE DE SÃO PAULO - SÃO CARLOS INSTITUTO DE CIÊNCIAS Processamento de Imagens - SCC0251 2013/1 Prof. Dr. Mario Gazziro Monitor PAE: Vinicius Ruela Pereira Borges - viniciusrpb@icmc.usp.br 1 Método
Leia maisProcessamento de Imagens
Processamento de Imagens Introdução Prof. Dr. Márcio Sarroglia Pinho Histogramas Histogramas w Equalização alpha = 255 / numpixels for each pixel g(x,y) = cumulativefrequency[f(x,y)] * alpha end for http://www.generation5.org/content/24/histogramequalization.asp
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisDescritores 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 maisTELEVISÃO DIGITAL LEEC 2006/2007
TELEVISÃO DIGITAL LEEC 2006/2007 DETECÇÃO DE CONTORNOS GRUPO 6: Hugo Miguel Rodrigues Gonçalves Dinis Guedes Afonso ee01171 ee01148 Introdução Este trabalho tem como objectivo a implementação de métodos
Leia maisUNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ UNIOESTE CAMPUS UNIVERSITÁRIO DE CASCAVEL CURSO DE CIÊNCIA DA COMPUTAÇÃO LISTA DE EXERCÍCIOS
UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ UNIOESTE CAMPUS UNIVERSITÁRIO DE CASCAVEL CURSO DE CIÊNCIA DA COMPUTAÇÃO Disciplina: Processamento de Imagens Digitais Prof o : Adair Santa Catarina 1 Considerando
Leia maisCAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR
CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR Segundo Gonzales e Wintz (1987), um dos primeiros passos do processo de análise de uma imagem digital consiste em particioná-la em seus elementos constituintes. O
Leia maisEliminação de Ruídos e Retoque Digital Através de uma Equação Diferencial Parcial de Quarta Ordem
Eliminação de Ruídos e Retoque Digital Através de uma Equação Diferencial Parcial de Quarta Ordem Maurílio Boaventura UNESP - SJRio Preto -SP E-mail: maurilio@ibilce.unesp.br Cassius Gomes de Oliveira
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 3 de março de 2016 Transformação e filtragem de imagens
Leia maisRealce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti Jr.
Leia maisOrientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
Leia maisClassificação de imagens de Sensoriamento Remoto. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Classificação de imagens de Sensoriamento Remoto Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de classificação e fotointerpretação Classificações
Leia maisFILTROS NO DOMÍNIO ESPACIAL. Nielsen Castelo Damasceno
FILTROS NO DOMÍNIO ESPACIAL Nielsen Castelo Damasceno Gerando máscaras de filtragem espacial Algumas vezes pode ser útil expressar a soma de produtos como: = + + = = w são os coeficientes do filtros. z
Leia maisSeminários de pesquisa do DAINF Transformações de imagens baseadas em morfologia
Universidade Tecnológica Federal do Paraná - UTFPR Departamento Acadêmico de Informática - DAINF Seminários de pesquisa do DAINF Transformações de imagens baseadas em morfologia matemática e aplicações
Leia maisComunicado. Técnico. Filtro de Canny para detecção de bordas: implementação Java. José Iguelmar Miranda. João Camargo Neto
Comunicado Técnico 96 Dezembro, 008 Campinas, SP ISSN 1677-974 Filtro de Canny para detecção de bordas: implementação Java José Iguelmar Miranda João Camargo Neto 1 O objetivo deste comunicado é apresentar
Leia maisCurso de Extensão: Noções de Sensoriamento
UFBA Curso de Extensão: Noções de Sensoriamento IPF Institut für Photogrammetrie und Fernerkundung Mauro Alixandrini Universität Karlsruhe (TH) www.kit.edu 04.08 Noções de Sensoriamento Remoto Aula 2 Comportamento
Leia maisProcessamento de Imagem. Filtragem no Domínio Espacial Professora Sheila Cáceres
Processamento de Imagem Filtragem no Domínio Espacial Professora Sheila Cáceres Filtragem A filtragem de imagens pode ser realizada no domínio do espaço e da frequência Operadores de filtragem são classificados
Leia mais2 SIFT (Scale Invariant Feature Transform)
SIFT (Scale Invariant Feature Transform) O SIFT é um algoritmo de visão computacional proposto e publicado pelo pesquisador David Lowe (Lowe, 1999), professor do departamento de Ciência da Computação na
Leia maisVisão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Processamento da Informação Capturei uma Imagem! E agora? Assumindo que
Leia maisProcessamento de Imagem
Universidade de Aveiro Departamento de Electrónica, Telecomunicações e Informática Processamento de Imagem Detecção de Arestas, Segmentação e Morfologia Matemática Computação Visual Beatriz Sousa Santos,
Leia maisDetecção de Linhas Através da Transformada de Hough
Detecção de Linhas Através da Transformada de Hough Jhielson Monitno Pimentel 1, João Carlos Nunes Bittencourt 2, Jody Maick Araujo de Mattos 1, Marcel Ranulfo 1 1 Departamento de Tecnologia Universidade
Leia maisAutenticação de fingerprints
Autenticação de fingerprints Pedro Ribeiro Mendes Júnior, Antonio Carlos de Nazaré Júnior, David Menotti Departamento de Computação Universidade Federal de Ouro Preto pedrormjunior@gmail.com, acnazare@gmail.com,
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Julio Arakaki Ciência da Computação 1 Imagem Digital Full Color Image (Matriz de Pixels) RGB (24 bits): Red (8 bits) Green (8 bits) Blue (8 bits) 2 Imagem Digital Um modelo
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Segmentação Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Conceituação Segmentação é uma tarefa básica no processo de análise
Leia maisAula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
Leia maisProcessamento de Sinais e Imagem
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Objectivos Estudar as características dos sinais temporais contínuos e discretos Projecto de filtros Processamento
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Objectivos Estudar as características dos sinais temporais contínuos e discretos Processamento de sinais em Sistemas
Leia maisINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Leia maisT6.1 Reconhecimento de Padrões
T6.1 Reconhecimento de Padrões Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Introdução ao reconhecimento de padrões 2. Representação do conhecimento 3. Reconhecimento
Leia maisProcessamento Digital de Imagens Aula 04
exatasfepi.com.br Processamento Digital de Imagens Aula 04 André Luís Duarte A sabedoria oferece proteção, como o faz o dinheiro, mas a vantagem do conhecimento é esta: a sabedoria preserva a vida de quem
Leia maisFundamentos de Processamento Gráfico. Aula 3. Introdução ao Processamento de Imagens. Profa. Fátima Nunes
Fundamentos de Processamento Gráfico Aula 3 Introdução ao Processamento de Imagens Profa. Fátima Nunes AULA 3 / 1 Definições Sobre o pixel são definidas algumas relações básicas: vizinhança, conectividade,
Leia maisProcessamento de Imagens
Processamento de Imagens Morfologia Matemática Binária Prof. Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://web.inf.ufpr.br/luizoliveira Luiz S. Oliveira (UFPR)
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE ENGENHARIA DE BIOSSISTEMAS DISCIPLINA: LEB450 TOPOGRAFIA E GEOPROCESSAMENTO II PROF. DR. CARLOS ALBERTO VETTORAZZI
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Dr. Márcio Sarroglia Pinho 1 Histogramas Equalização Histogramas alpha = 255 / numpixels for each pixel g(x,y) = cumulativefrequency[f(x,y)] * alpha end for http://www.generation5.org/content/2004/histogramequalization.asp
Leia maisFiltragem de Imagens no Domínio Espacial. 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227
Filtragem de Imagens no Domínio Espacial 35M34 Sala 3D5 Bruno Motta de Carvalho DIMAp Sala 15 Ramal 227 Image Enhancement 2 Image enhancement em Português significa algo como melhoria de imagens, mas o
Leia maisProposta de Curso LNCC
Proposta de Curso LNCC Professor: Gilson A. Giraldi (D.Sc) Título do Curso: Visualização Científica para Análise de Imagens Médica. Período: Quarto Período de 2001 Objetivos O processamento/visualização
Leia maisExtração de Características. Carlos Alexandre Mello
Extração de Características Carlos Alexandre Mello Pós-Graduação em Ciência da Computação Carlos Alexandre Mello cabm@cin.ufpe.br 1 Extração de Características Representação de objetos através de um conjunto
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Segmentação. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Segmentação Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos básicos de segmentação
Leia maisProcessamento de Imagens
Processamento de Imagens Prof. Marcelo Portes de Albuquerque Prof. Márcio Portes de Albuquerque Monitores: Fernanda Dutra Moraes (CBPF) Pedro de Souza Asad (CBPF) IX Escola do CBPF 22 IX Escola do CBPF
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia maisProcessamento de Imagens Marcia A. S. Bissaco
Engenharia Biomédica Processamento de Imagens Marcia A. S. Bissaco 1 Exemplos filtros Média Mediana Passa_B Passa_A Borda_H Borda_V Sobel_Y Sobel_X Oliveira, Henrique J. Quintino (UMC-SP), 2 Media Mediana
Leia maisReconhecimento de palma de mão. Peterson Wagner Kava de Carvalho
Reconhecimento de palma de mão Peterson Wagner Kava de Carvalho 1 Sumário 1. Introdução 2. Artigo 1: Palmprint Recognition a. Pré-Processamento b. Extração de Features c. Classificação d. Resultados 3.
Leia maisMorfologia Matemática. Guillermo Cámara-Chávez
Morfologia Matemática Guillermo Cámara-Chávez Morfologia Matemática Foi desenvolvida inicialmente por Georges Matheron e Jean Serra na década de 60 Baseada na Teoria dos Conjuntos Originalmente desenvolvida
Leia maisRealce de Bordas em Imagens Digitais: Uma Abordagem por Números Fuzzy
Realce de Bordas em Imagens Digitais: Uma Abordagem por Números Fuzzy Inês Ap. Gasparotto Boaventura Adilson Gonzaga IBILCE-UNESP- São José do Rio Preto EESC-USP-São Carlos Fone: (17) 3221-2205 Fone: (16)
Leia maisAula 3 Processamento Espacial
SEL 0449 - Processamento Digital de Imagens Médicas Aula 3 Processamento Espacial Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Processamento Espacial Transformações ponto a ponto
Leia maisMapas Auto-Organizáveis de Kohonen (SOM) SOM é uma rede neural artificial (Kohonen (1995))
Mapas Auto-Organizáveis de Kohonen (SOM) SOM é uma rede neural artificial (Kohonen (1995)) que realiza simultaneamente agrupamento e visualização SOM usa aprendizagem não supervisionada para mapear dados
Leia mais